前沿论文分享 | 京东零售技术团队5篇论文入选WWW 2025

正文

请到「今天看啥」查看全文

下载地址 ：

https://dl.acm.org/doi/10.1145/3701716.3715246

| 论文作者 ： TianTang, ZhixingTian, ZhenyuZhu, ChenyangWang, HaiqingHu, GuoyuTang,LinLiu,SulongXu

| 论文简介 ：

查询和产品相关性预测是确保电子商务搜索顺畅用户体验的关键组成部分。传统研究主要侧重于基于BERT的模型来评估查询和产品之间的语义相关性。然而，这些方法的判别范式和有限的知识能力限制了它们充分理解查询与产品之间相关性的能力。

随着大规模语言模型（LLMs）的快速发展，近年来的研究开始探索其在工业搜索系统中的应用，因为LLMs提供了广泛的世界知识和灵活的推理优化能力。然而，直接利用LLMs进行相关性预测任务也带来了新的挑战，包括对数据质量的高要求、推理过程需要精细优化，以及过于乐观的偏见，可能导致过度召回。

为了克服上述问题，本文提出了一种新的框架——LLM-based RElevance Framework（LREF），旨在增强电子商务搜索的相关性。该框架包括三个主要阶段：带数据选择的监督微调（SFT）、多链条思维（Multi-CoT）调优和用于去偏的直接偏好优化（DPO）。

我们通过一系列的大规模真实数据集的离线实验以及在线A/B测试评估了该框架的性能。结果显示，在离线和在线指标上都有显著提升。最终，该模型被部署在京东搜索中，带来了可观的商业效益。

02

A Hybrid Cross-Stage Coordination Pre-ranking Model for Online Recommendation Systems

| 中文标题： 推荐系统下的跨阶段协同粗排模型

| 下载地址 ：

https://arxiv.org/abs/2502.10284

| 论文作者 ：

请到「今天看啥」查看全文