LLaMA-E：以对象交错指令跟随赋能电商内容创作
计算与语言
2024-06-12 v2 人工智能
信息检索
摘要
电商内容创作旨在生成引人入胜、多样且针对性的内容，以提升偏好激发与检索体验。尽管大语言模型（LLM）已革新内容生成，但因对领域特定特征的记忆有限，它们在电商应用中常显不足。本文提出 LLaMA-E，统一的电商内容创作模型，其处理客户、卖家与平台——电商运营中本质对象的上下文偏好。我们设计了源自广告生成、查询增强商品标题重写、商品分类、购买意图推测与通用电商问答等任务的指令集。指令构建确保所呈现与所需对象特征的交错覆盖，使基础模型对齐以全面参数化电商知识。所提 LLaMA-E 模型取得最先进的评测性能，并在零样本实际应用中展现优势。据我们所知，这是首个通过整合聚焦于参与对象的特征、以全面场景理解赋能内容创作应用的 LLM。
引用
@article{arxiv.2308.04913,
title = {LLaMA-E: Empowering E-commerce Authoring with Object-Interleaved Instruction Following},
author = {Kaize Shi and Xueyao Sun and Dingxian Wang and Yinlin Fu and Guandong Xu and Qing Li},
journal= {arXiv preprint arXiv:2308.04913},
year = {2024}
}