Pailitao-VL：面向实时工业搜索的统一嵌入与重排序器
信息检索
2026-03-06 v2 人工智能
计算机视觉与模式识别
摘要
本文提出了 Pailitao-VL，一个为高精度实时工业搜索而设计的综合性多模态检索系统。我们在此解决当前最先进方法面临的三个关键挑战：检索粒度不足、对环境噪声的脆弱性以及效率与性能之间的不可接受差距。我们的主要贡献在于两个根本性的范式转变。首先，我们将嵌入范式从传统的对比学习转向绝对 ID 识别任务。通过将实例锚定到由数十亿语义原型定义的全局一致潜空间中，成功克服了现有嵌入方案固有的随机性和粒度瓶颈。其次，我们将生成式重排序器从孤立的点评估演进为比较校准列表策略。通过将基于块的比较推理与校准的绝对相关性评分相结合，系统实现了细粒度的判别能力，同时规避了传统重排序方法通常导致的高延迟。大量离线基准测试和线上 A/B 测试表明，Pailitao-VL 在阿里巴巴电商平台上实现了领先的性能，并带来了显著的商业效应。这一工作为在具有挑战性的大规模生产环境中部署基于高级 MLLM 检索架构提供了稳健且可扩展的路径。
引用
@article{arxiv.2602.13704,
title = {Pailitao-VL: Unified Embedding and Reranker for Real-Time Multi-Modal Industrial Search},
author = {Lei Chen and Chen Ju and Xu Chen and Zhicheng Wang and Yuheng Jiao and Hongfeng Zhan and Zhaoyang Li and Shihao Xu and Zhixiang Zhao and Tong Jia and Lin Li and Yuan Gao and Jun Song and Jinsong Lan and Xiaoyong Zhu and Bo Zheng},
journal= {arXiv preprint arXiv:2602.13704},
year = {2026}
}