谷歌 RPTune 论文:目录策展+后训练让小商家 LLM 搜索精度提升 31.4 点
_reachsumit · x · 2026-10-02
Google 研究者(Chuxuan Hu 等)发布论文 RPTune,针对目录能装进长上下文的小商家,研究如何让 LLM 更有效地做「目录内商品搜索」。
核心问题:把全目录塞进上下文窗口并不等于模型能有效利用,因为 LLM 对长上下文的利用并不均匀。论文从两个互补方向入手:
- 学习式目录策展:用一个 encoder-reorganizer 策展器对商品排序与剪枝,以下游 LLM 反馈为引导;
- LLM 后训练:用自动生成、以目录为依据的监督数据,加上相对上下文的奖励(context-relative reward)做后训练,策展后的目录反过来又提升了后训练效果。
实验覆盖 7 家真实零售商家、每家 100 条复杂对话式查询。结果显示:目录策展带来最高 31.4 个百分点的搜索准确率提升,后训练平均再增加 10.3 个百分点,且在闭源与开源权重 LLM 上均一致有效。
所属事件:谷歌 RPTune:目录策展加后训练大幅提升 LLM 商品搜索(2 条相关)→
「研究」频道最新
- 视频:从 GAN 到 self-play,对抗目标如何贯穿现代 AI 技术 — manicman1999 · 2026-10-02
- 新论文质问：基因表达基础模型的基准评测真的有信息量吗 — simocristea · 2026-10-02
- 牛津 VGG 发布 SynCity 3000：一次生成全局连贯的大规模 3D 场景 — rsasaki0109 · 2026-10-02
- ChrSzegedy 翻出 2019 年访谈：当年被视为疯狂的 AI 数学与编程时间线 — ChrSzegedy · 2026-10-02
- Omni-Embed-Mini：0.9B 参数统一嵌入六种模态且文本检索零退化 — _reachsumit · 2026-10-02
- Apple 论文:选择式结构化推理降低搜索 agent 延迟超 90% — _reachsumit · 2026-10-02