arXiv cs.AI· Xiaohan Ye, Zihan Gong, Jingqian Zhao, Lianyu Du, Yunmeng Shu, Xu Chen, Zesheng Zhou, Renchun You, Bocheng Chen, Jinsong Lan, Haihong Tang, Bo Zheng·· 12 小时前AI 评分38
PailitaoMMSearch2.0 技术报告：将生成式检索扩展为统一端到端多模态搜索
PailitaoMMSearch2.0 Technical Report: Scaling Generative Retrieval to Unified End-to-End Multimodal Search
AI 导读
淘宝拍立淘团队发布 PailitaoMMSearch2.0，可直接从原始查询图像和自由指令生成商品 Semantic ID，实现统一端到端多模态搜索。该系统从数据、意图、场景三个维度扩展，并已在拍立淘多模态搜索应用部署，线上 A/B 测试显示商品浏览量 +17.90%、交易量 +27.04%、GMV +8.94%。
正文 · AI 翻译
作者：Xiaohan Ye、Zihan Gong、Jingqian Zhao、Lianyu Du、Yunmeng Shu、Xu Chen、Zesheng Zhou、Renchun You、Bocheng Chen、Jinsong Lan、Haihong Tang、Bo Zheng
摘要：生成式检索模型在搜索和推荐系统中得到越来越广泛的应用。然而，工业界的生成式检索模型通常专用于固定的在线场景：它们从特定场景的交互中学习，仅支持有限的查询形式和检索目标。我们研究如何消除这些耦合，构建一个统一的端到端多模态搜索系统，以支持开放式的图文查询、异构的购物意图以及资源约束各异的在线场景。我们提出 \textbf{PailitaoMMSearch}，它直接从原始查询图像和自由形式的指令生成商品 Semantic ID，并在三个维度上扩展。\textbf{数据扩展}使用一套可复用的工具集，可组合成面向意图和生命周期的流程，用于冷启动合成、质量控制、真实流量精炼和持续数据生产。\textbf{意图扩展}通过持续预训练（CPT）、混合预算监督微调（SFT）和统一强化学习（RL），逐步为一个模型赋予电商商品知识、多种检索关系以及可调节的推理预算。RL 阶段结合了意图均衡优化和与多候选服务对齐的 Sample--Beam rollouts。\textbf{场景扩展}在模型容量和推理预算之间给出质量—成本的操作点。该系统已部署在淘宝拍立淘的多模态搜索应用中。一项受控的在线 A/B 测试报告了统计显著的提升，包括商品详情页浏览量 $\textbf{+17.90\%}$、交易量 $\textbf{+27.04\%}$ 和商品交易总额 $\textbf{+8.94\%}$。
| 评论： | PailitaoMMSearch2.0 技术报告 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.36958 [cs.IR] |
| （或 arXiv:2610.36958v1 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36958 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Xu Chen [查看邮箱]
[v1]
2026年10月27日 星期二 10:17:33 UTC（549 KB）
来源：arXiv cs.AI · arxiv.org