电商搜索革命：大模型如何重塑购物体验？
原文中文，约3100字，阅读约需8分钟。发表于：。自我介绍：京东零售搜推算法部算法工程师，专注于大模型技术以及在 AI 助手搜推等领域的应用探索和实践。在 AI 助手，NLP 和搜索领域有十多年研发实践经验，在 AI/NLP 领域申请超过 15 项发明专利并出版两部著作。随着电商行业的蓬勃发展，搜索技术作为连接用户与商品的桥梁，其重要性日益凸显。在技术不断革新的今天，电商搜索技术经历了哪些阶段？面对大模型的飞速发展，企业又将如何把握趋势，应对挑战？
京东零售搜推算法部算法工程师翟周伟表示，电商搜索技术经历了文本检索、机器学习、深度学习和大模型四个阶段。大模型应用仍面临商品知识理解能力弱、个性化Context理解、时效性、成本和速度以及安全等困难。京东通过持续预训练和RAG技术解决实时信息获取和专业信息处理能力的问题。构建一个好的大模型电商搜索引擎需要考虑大模型的能力、电商用户理解、商品理解和电商场景理解等因素。大模型应用的投入产出比较低，但商业潜力巨大。下一代AI电商搜索应该是完全大模型驱动的，具备全模态的自然语言交互和智能下单等能力。翟周伟建议初期可以调用大模型云服务API，建立用户反馈后再考虑研发自己的大模型。如果需要优化大模型，可以使用性能和商用友好的开源大模型作为底座，并结合预训练增强和指令对齐进行优化。
