1. 淘宝搜索LEAPS框架技术解析
淘宝搜索LEAPS(LLM-Empowered Adaptive Plugin for Search)是一个创新性的电商搜索增强插件,通过大语言模型(LLM)赋能传统搜索引擎,显著提升了复杂会话式查询的处理能力。该框架已在淘宝AI搜索全面部署,每月为数亿用户提供服务,在线A/B测试结果显示:
- 搜索点击率(CTR)从9.39%提升至10.93%,相对提升16.4%
- 低结果率(返回相关商品数低于5件的查询占比)从24.88%降至16.98%,相对下降31.7%
- 端到端延迟控制在平均340ms(扩展器190ms + 验证器150ms),完全满足工业级高并发场景需求
1.1 电商搜索的核心痛点
当前电商搜索面临两大核心矛盾:
-
精准描述导致零结果:当用户使用复杂自然语言描述需求时(如"500-800元适合沙滩婚礼的男士亚麻西装,不要纯黑,无大图案"),传统搜索引擎因无法解析多维度约束而返回空结果或极少数商品。
-
泛化搜索导致决策过载:用户被迫简化查询为宽泛关键词(如"男士亚麻西装")后,系统返回大量不符合实际需求的商品,用户需要在海量噪声中手动筛选,造成严重的决策疲劳。
1.2 传统解决方案的局限性
现有优化方案存在明显缺陷:
| 方案类型 | 典型方法 | 主要问题 |
|---|---|---|
| 查询重写 | 强化学习优化、生成式方法 | 冷启动困难、结果同质化 |
| 相关性过滤 | 文本匹配模型、浅层语义建模 | 无法处理复杂约束链 |
| 架构重构 | 全系统重新设计 | 成本高、风险大 |
LEAPS创新性地采用"非侵入式插件"架构,在保留现有系统优势的前提下,通过上游查询扩展和下游相关性验证两个模块,实现了复杂意图的精准解析。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. LEAPS框架核心技术
2.1 整体架构设计
LEAPS采用"拓宽-精炼"(Broaden-and-Refine)范式,主要包含两个核心组件:
-
查询扩展器(Query Expander):将用户复杂查询转化为多个互补的、搜索引擎友好的改写查询,扩大候选商品池
$$I_b = \bigcup_{q' \in \mathcal
