搜索引擎发生了改变, 不再是凭借死记硬背关键词, 而是切实学会理解你内心所思考的内容。美团予以公开披露的搜索3.0技术路径, 展现出了一个本地生活搜索是怎样被大模型重新塑造的完整历程。

传统搜索的瓶颈到底有多痛

以往, 当我们去进行餐厅或者服务的搜索时, 系统仅仅会依照你所输入的关键词来逐个进行匹配。比如说, 你去搜索“宠物SPA洗澡”, 那么它仅仅会去查找标题当中带有这两个词语的商品。然而, 在实际的情况中, 商家常常会把自身的服务命名为“萌宠深度清洁套餐”, 从字面上看几乎不存在重叠的部分, 如此一来, 搜索所得到的结果自然而然就是不准确的。

在服务零售的场景当中, 这种问题特别严重, 商品零售售卖的是标准化的产品, 手机就是这种样子的手机，品牌型号是确定的, 搜索逻辑相对来讲比较简单, 然而本地生活服务的品类极为繁杂, 同一项服务存在几十种不同的叫法, 用户的表达更是各种各样, 传统模型依靠人工设计的特征来进行应对, 一旦碰到长尾需求就会彻底失效。

一期验证大模型真的有用

美团搜索团队开展的第一步并非具有复杂性, 其目的在于验证一件事情, 即把大模型的语义表征接入精排模型, 究竟是否能够提升搜索效果。他们针对搜索词、商户以及商品分别生成具备高质量的语义向量, 随后以相似度的形式注入到排序系统之中。最终的结果表明, 这一套方案确实带来了具有实质性的效果提升。

此一阶段开展的验证工作, 使得团队明确了方向具备正确性。大模型所拥有的语义理解能力并非是徒有其表的噱头, 它于跨越字面匹配所形成的鸿沟这一过程中, 展现出了实实在在的价值。然而, 一期仅达成了单点方面的突破, 距离能够实现规模化地落地, 仍旧存在着相当大的差距, 在接下来的进程里, 需要去处理更多涉及工程以及产品层面的问题。

二期系统重构补齐短板

一期呈现出来诸多问题, 像是商品侧边的语义方面信息有缺失情况, 全参数进行微调时成本高度可观, 优化目标存在不够周全等状况。二期的关键任务是针对整个表征生产流程实施系统性的升级, 将先前零散分布的技术要点整合塑造成为一套完整的方案体系。

升级完成后的系统, 具备着更高效地去处理大规模数据的能力, 于此同时, 计算和部署成本被显著降低了。团队另外引入了更多维度的优化目标, 不让排序模型仅仅只看语义相似度, 而是还要将商业价值以及用户也体验兼顾起来。这一阶段所取得的成果, 为后续扩展构架起了赖以稳固的坚实基础。

三期把能力扩展到商品层级

当商家完成精排升级之后, 团队将相同的思路转移到了下挂精排环节, 此环节是针对商家下面挂载的具体商品实施排序优化, 这一步骤的意义是打通了从商家到商品的完整链路, 只要用户搜索其中一个层级的内容便是能够获得精准结果。

与此同时, 三期展开了全域交叉统计特征的治理工作, 还进行了此特征的补充工作。这些特征有助于模型更妥善地理会用户行为规律。此特征能在不同场景间构建知识关联。借此实现跨场景的迁移复用。搜索系统开始拥有举一反三的能力。

大模型落地的方法论启示

经过美团搜索3.0的实践, 给出了一条清晰的技术演进路径, 先是进行可行性验证, 接着做系统性重构, 最后达成跨场景泛化, 这条路径并非激进之举, 不过每一步都踏实可靠, 对于其他正处于探索大模型落地阶段的团队而言, 这是一个具备参考价值的范式。

把大模型的语义理解能力转变成高密度的连续表征, 以及离散分桶特征, 这是此次落地的关键技术动作, 它不但保有�模型的强大表达 capability, 还兼容既有排序系统的工程架构, 告成了新旧技术的平滑衔接, 这种务实的举措比追逐纯技术方案更具借鉴价值。

当你于近期借助美团展开搜索操作之际, 是否遭遇过那种寻觅不到心之所欲结果的窘迫尴尬情形? 于评论区域去交流分享一下你的亲身体验, 并且同样热忱欢迎你去点赞之后再进行转发此举, 将其传递给那些同样遭受过搜索困扰伤害的友人。