【ITBEAR】今天分享的是：京東（翟周偉）：電商大模型及搜索應用實踐
報告共計：33頁
京東技術總監翟周偉在演講中分享了電商大模型及搜索應用實踐，涵蓋電商行業發展、大模型應用問題與解決方案以及在搜索場景中的實踐等內容，為電商領域AI技術發展提供了全面參考。
1. 電商行業發展與技術演進
- 行業發展狀況：過去十年實物商品網上零售額高速增長，電商模式從貨架電商為主發展為與內容電商并存，技術創新降低了商品流通成本，提升了零售效率。
- 消費決策鏈分析：用戶消費決策鏈包括購前、購中、購后，搜索是關鍵環節，電商搜索旨在基于用戶需求進行商品分發，優化目標為GMV和UCVR，與一般信息搜索不同。
- 技術演進洞察：技術演進經歷了文本檢索、機器學習、深度學習到大模型階段，從規則引擎應用到基于DNN的精準理解，再到多模態交互和AGI導購助手，不斷追求更低成本、更高效率和更好體驗。
2. 大模型在電商場景下的問題與解決方案
- 技術優勢與應用問題：大模型具有邏輯推理、多語言理解等優勢，但在電商場景中面臨商品知識專業性不足、個性化挑戰、時效性低、成本高和安全性風險等問題。
- 京東電商大模型方案：構建了文本大模型底座（Dense + MOE）和多模態大模型底座，通過DataPipeline提升數據質量，進行持續預訓練、通用和領域對齊學習，從被動和主動安全兩方面保障安全性，并建立評估體系。
3. 電商搜索場景下大模型應用實踐
- 搜索交互優化：利用大模型提升搜索交互效率，如Sug、糾錯等功能，應用電商知識增強的大模型，結合搜索交互日志優化目標，通過多指令學習迭代改進。
- 電商意圖理解提升：旨在解決用戶需求與商品語義對齊問題，通過指令學習，利用搜索用戶反饋和RAG技術，提升商品召回相關性和多樣性。
- 文案創意生成輔助：借助大模型生成能力降低商品素材成本，如商品標題、文案、賣點生成，采用圖文語義對齊學習技術，利用多模態大模型。
- 電商搜索相關性改進：核心是用戶需求與商品匹配問題，主流模型有孿生網絡和交互式匹配，京東采用prompt工程應用 + 數據增強蒸餾或增強預訓練 + 相關性對齊方案。
4. 下一代AI電商搜索展望：傳統和新興電商依賴搜推技術，當前存在用戶交互成本高、決策成本高、轉化鏈路長、體驗受限等痛點。未來將以大模型 + Agent / AGI技術驅動，實現多模態直接結果展示，提升用戶體驗和電商運營效率。
以下為報告節選內容
