LocalSUG：面向本地生活服务的地理感知LLM查询建议
计算与语言
2026-03-06 v1
摘要
在本地生活服务平台上，查询建议模块在根据用户输入前缀生成候选查询方面发挥着关键作用，从而降低用户 effort，加速搜索。传统的多级级联系统高度依赖历史热门查询，限制了其处理长尾需求的能力。虽然大语言模型(LLM)具备强大的语义泛化能力，但在本地生活服务中部署引入了三个关键挑战：缺乏地理锚定、偏好优化中的暴露偏差以及在线推理延迟。为此，我们提出LocalSUG，一个专为本地生活服务平台设计的LLM查询建议框架。首先，我们基于词项共现引入基于城市的候选矿产策略，以注入地理锚定。其次，我们提出基于beam搜索的GRPO算法，使训练与推理时间解码对齐，减少自回归生成中的暴露偏差。最后，我们开发了质量感知式beam加速和词汇修剪技术，显著降低在线延迟，同时保持生成质量。大规模离线评估和在线A/B测试表明，LocalSUG将点击-through率(CTR)提升0.35%，低/无结果率降低2.56%，验证了其在实际部署中的有效性。
引用
@article{arxiv.2603.04946,
title = {LocalSUG: Geography-Aware LLM for Query Suggestion in Local-Life Services},
author = {Jinwen Chen and Shuai Gong and Shiwen Zhang and Zheng Zhang and Yachao Zhao and Lingxiang Wang and Haibo Zhou and Yuan Zhan and Wei Lin and Hainan Zhang},
journal= {arXiv preprint arXiv:2603.04946},
year = {2026}
}