LEAPS：淘宝AI搜索中由大语言模型赋能的插件
信息检索
2026-05-13 v2
摘要
大语言模型的快速崛起已将用户搜索行为从离散的关键词转变为自然语言、多约束的查询——这一转变是现有电商搜索架构难以适应的。用户面临两难境地：精确的自然语言查询常触发零结果场景，而强制简化则产生嘈杂、通用的结果，令决策不堪重负。为解决此问题，我们提出LEAPS（LLM-Empowered Adaptive Plugin in Taobao AI Search，淘宝AI搜索中由大语言模型赋能的插件），它通过“先扩后精”范式升级传统搜索流程，在两端附加插件。(1) 上游，查询扩展器生成自适应、互补的查询组合以最大化候选集，通过逆数据增强、后验知识监督微调和多样性感知强化学习的三阶段策略进行训练。(2) 下游，相关性验证器通过综合多源信号（如OCR文本、评论）与思维链推理来过滤噪声。广泛的离线实验和在线A/B测试表明，LEAPS显著增强了对话式购物体验，同时其非侵入式架构保留了既有的短文本检索性能，并支持与多种后端低成本集成。LEAPS自2025年8月起全面部署于淘宝AI搜索，每月服务数亿用户。
引用
@article{arxiv.2601.05513,
title = {LEAPS: An LLM-Empowered Adaptive Plugin in Taobao AI Search},
author = {Lei Wang and Jinhang Wu and Zhibin Wang and Biye Li},
journal= {arXiv preprint arXiv:2601.05513},
year = {2026}
}