2026-07-14 日报

主题: 工业电商三巨头齐发力：生成式检索、多模态排序与特征工程框架

标签: semantic-id · search-ranking · pretrained-lm · industrial

📊 统计: 共 15 篇 · 精读 3 · 🏢 工业界 3 · 🎓 学术 12 · discriminative-rec 5 · llm 4 · generative-rec 2 · other 4

综述

当日共 15 篇入选、3 篇精读，判别式推荐 5 篇、LLM 4 篇、生成式检索 2 篇、其余 4 篇，工业界成果集中且分量最重。三篇精读全部来自淘宝与京东，勾勒出电商搜推的三条主线。阿里淘宝 CRID 把生成式检索的 DocID 解耦为「语义聚类前缀 + 簇内业务价值序数」，只替换最后一级码本便同时消除碰撞、对齐成交目标并支持免重训的簇内增量更新，300M 淘宝语料上超越含最强 EBR 的全部基线，全流量部署带来 +1.06% GMV。京东 MMRM 用单一共享 MLLM 骨干加任务专用 token 一次前向对齐点击/加购/下单四路异质协同信号，生成多路复用商品表示并软检索行为序列派生用户表示，喂多任务排序塔，搜索全量上线 UCTR/UACR/UCVR 分别 +0.42%/+0.37%/+0.35%。淘宝搜索团队的 Prompt Generation（PG）则提出配置驱动特征工程框架，用两份声明式 JSON 把特征逻辑从模型结构解耦、作为训练与服务的单一事实源，配合 event tracking 消偏、merger 做 token 压缩，线上 +0.47% 成交、+0.51% GMV。三者共同指向一个趋势：生成式检索与多模态大模型正从离线指标走向工业级全流量落地，而「解耦与工程化」——无论是 DocID 解耦、表示解耦还是特征逻辑解耦——成为大模型规模化上线的关键抓手。学术侧则围绕零权重推荐、递归精炼、量化可靠性与 scaling law 等方向探索效率与可解释性。

重点论文

CRID · ⭐ 8/10

Beyond Semantic IDs: Encoding Business-Value Ranking into Document Identifiers for Generative Retrieval

🏢 Alibaba · 生成式推荐

CRID 把 DocID 解耦为语义聚类前缀 + 簇内业务价值序数排名，用替换最后一级码本的极简改动同时消除碰撞、对齐业务目标并支持簇内重排增量更新，在 300M 淘宝搜索语料上超越含最强 EBR 的所有基线并全流量部署带来 +1.06% GMV。

MMRM · ⭐ 7/10

MMRM: A Multiplex Multimodal Representation Model for Product Ranking in E-commerce Search

🏢 JD · 判别式推荐

京东 MMRM 用一个共享 MLLM 骨干加任务专用 token 一次前向对齐 q2i_click/i2i_click/cart/order 四路异质协同信号,生成多路复用 item 表示,再用其做任务专用行为序列软检索派生用户表示喂多任务排序塔,搜索全量部署千万级日活线上 UCTR/UACR/UCVR +0.42%/+0.37%/+0.35%。

Prompt Generation Technical Report · ⭐ 7/10

🏢 Alibaba · LLM

淘宝搜索团队提出配置驱动的特征工程框架 Prompt Generation（PG），用两份声明式 JSON 把 LLM 生成式检索的特征处理逻辑从模型结构里解耦、作为离线训练与在线服务的单一事实源，配合 event tracking 消除训练-服务偏差，并靠 merger 做 token 压缩，已在淘宝搜索线上取得 +0.47% 成交、+0.51% GMV。

全部论文