LLM在转转主搜向量召回的应用

LLM 在转转主搜向量召回的应用

摘要

在多品类快速发展下，N品类搜索需求增多，但核心玩家使用隐蔽术语导致商品召回困难。面对这一挑战，我们选择中小型领域模型和极小任务模型，通过语义理解解决搜索难题。采用离线训练和在线推理双阶段架构，结合向量召回和知识蒸馏，提升搜索效率和精准度。最终，模型在理解用户意图和商品召回方面取得显著进步，验证了技术路线的可持续性。