本文提出生成检索与对齐模型（GRAM），旨在解决传统检索方法无法有效利用世界知识的问题。通过联合训练查询与产品文本，GRAM生成共享文本标识码，显著提升检索效率和查询产品之间的联系，优于传统及最新生成检索模型。

本研究提出了$H^3$融合方法，旨在提升对齐模型在生成有益、无害和诚实回答方面的性能。通过集成多个对齐的LLM并动态选择模型输出，性能和鲁棒性显著提高，提升幅度达11.37%。