利用大语言模型在 Go-to-market 平台上实现自然语言搜索

企业搜索要求用户具备复杂的查询、配置和元数据知识，使其难以按需获取信息。大多数 Go-to-market（GTM）平台利用高级搜索界面，允许用户通过类别或关键词按各种字段过滤查询，但历史上已被证明极其繁琐，因为用户面临看似数百个选项、字段和按钮。因此，自然语言查询长期以来一直是理想选择，这一理念因大语言模型（LLMs）而得到增强。在本文中，我们为 Zoominfo 销售人员产品实现并评估了一个解决方案，该方案以自然语言提示 LLM，通过实体提取生成搜索字段，然后将其转换为搜索查询。中间搜索字段为每个查询提供了诸多优势，包括消除语法错误、更简单的真实标签以及 LLM 解释的直观格式。我们将该流水线与多种高级提示工程策略配对，包括复杂的系统提示、少样本提示、思维链（CoT）推理和执行细化。此外，我们手动为 500 多个自然语言查询创建了真实标签，使得对 Llama-3-8B-Instruct 的监督微调成为可能，并引入了复杂的数值指标。通过在单个搜索实体上使用精确匹配、Jaccard、余弦和语义相似度对封闭源、开源和微调 LLM 模型进行了全面实验，以证明我们方法的有效性。总体而言，最准确的封闭模型每个查询的平均准确率达到 97%，只有一个字段低于 90%，微调模型也观察到了可比结果。