SIA：面向知识驱动且安全的电商搜索大语言模型的合成-注入-对齐框架及工业部署
计算与语言
2026-03-20 v2
摘要
大型语言模型为电商搜索提供了变革性潜力，通过实现意图感知推荐。然而，其工业部署受到两个关键挑战的制约：（1）由于未充分编码动态、细粒度的产品知识，导致知识幻觉；（2）在越狱攻击下的安全漏洞威胁合规性。为此，我们提出 SIA——一个用于构建知识丰富且安全的电商搜索大语言模型的合成-注入-对齐框架。我们的方法首先通过将结构化知识图谱与非结构化行为日志结合，辅以推理链和安全感知数据，合成高质量的自然语言语料。随后，我们引入基于深度扩展的参数高效预训练策略，以注入领域知识同时保留通用能力。最后，通过多任务指令微调和对抗训练，引入双路径对齐方法，以强化任务性能和安全鲁棒性。该框架已在中国最大的自营电商平台 JD.com 上部署，跨越五个核心搜索场景的 A/B 测试显示，关键业务指标实现了显著提升，验证了其工业效果和可扩展性。
引用
@article{arxiv.2603.16137,
title = {SIA: A Synthesize-Inject-Align Framework for Knowledge-Grounded and Secure E-commerce Search LLMs with Industrial Deployment},
author = {Zhouwei Zhai and Mengxiang Chen and Anmeng Zhang},
journal= {arXiv preprint arXiv:2603.16137},
year = {2026}
}