反垄断庭审文件揭秘 Google 搜索管线：深度模型只精调前 20-30 篇

GoSailGlobal · x · 2026-11-01

作者整理了美国司法部诉 Google 反垄断案庭审证据与内部 API 文档泄露中挖出的 Google 搜索排序全流程：

召回：对查询里的词逐个倒排求交，先按质量挑出数万篇文档；RankEmbed 做嵌入再补"少量"文档，另有查询扩展（缩写改全称等）。
粗排：对数万篇打分取前几百篇，主要信号包括 topicality、PageRank、本地化、页面质量、Navboost 等，很多文档根本没有点击。
精排：RankBrain 只调前 20-30 篇（太贵跑不了几百篇），DeepRank 用于排序，2019 年起讲稿把 BERT 放进顶部跑；三个深度模型都用点击和评估员数据训练，DeepRank 只看前 20-30 篇这点是推论。
重排：twiddler（PXR0357）对已选结果重排序，区别对待多属性查询与"大纲对齐"，还发现从未出现过的垃圾"沙盒"字段。
拼页：Tangram（几乎就是 Tetris 代码）决定各功能块位置，Glue 是信号之一，每种功能有独立排序。
展示与回流：摘要只在信息质量最高、对页面有净增益时出现；RankBrain 和 RankEmbedBERT 用评估员数据微调。

作者还梳理了各搜索引擎（Bing/百度/Yandex/Naver 等）与 SEO 工具方对收录、Query 理解、召回、精排、重排、点击回流各环节的公开程度差异，并提到 GEO 是 AI 回答链路的对应物。

「Infra」频道最新