论文： EAGER: Enrich-and-Align Generative Query Recommendation from Clicked Items in E-commerce Search
作者： Shuwei Yuan*, Mingqian Ding*, Luxin Liu, Rong Xiao, Xiaoyi Zeng（阿里巴巴国际数字商业集团）
论文状态： 已录用（EMNLP 2026 Industry Track）
论文链接：https://arxiv.org/abs/2609.07143
1. 业务背景与挑战
用户在推荐流里点了一个商品，说明他的兴趣在这一刻被具体化了，但还没被表达成一次完整的检索意图。I2Q（Item-to-Query） 要做的就是把这次模糊的兴趣接力成一次明确的搜索。
它和相关搜索（Q2Q）有个根本区别：Q2Q 有用户输入或者选择的 query 当锚点，I2Q 没有。手上只有一个商品加一份用户画像，要凭空替用户想出他接下来想搜什么。线上原本依赖搜索日志进行挖掘——通过 query 搜索结果里有哪些商品来关联商品和 query。两个绕不过去的问题：
- 长尾和冷启动直接失效。
query 下曝光商品大部分为热门商品，长尾商品行为稀疏无法统计，新品完全没有行为，无法完成 query 召回。 - 继承了检索链路的偏差。
一个商品能挂上哪些 query，取决于搜索引擎当时愿不愿意把它召回、并且排得够前，排不上去的组合永远不会进日志。再加上这类共现统计方法只能从既有的 query 池里挑，池子里没有的表达根本挑不出来。两重天花板叠在一起，结果就是现有召回系统的天花板。
生成式模型不依赖日志共现进行挖掘，从根上解决前者。但直接上 SOTA 大模型不现实，这是全量点击流量触发的场景，线上 RT 和成本都撑不住，因此需要选择更轻量化的大模型来完成本任务。
2. 方法：Enrich撑开空间，Align压准偏好
EAGER分两阶段：Enrichment（Stage 1）解决能生成什么，Alignment（Stage 2）解决该生成什么。线上推理时模型输入商品 + 用户画像，输出K条query的列表Y。
2.1 多源意图SFT
构建I2Q训练数据集，需要把Label拆成三个部分，并按意图强度从高到低排成有序序列：
是用户点该商品后在推荐面板上真实点走的 query（意图最强，居首）； 是同一个用户点完推荐 query 之后自己主动发起的后续搜索，反映他即时的点后意图； 由 Qwen3-235B 教师基于标题 / 属性 / 类目 / 可能的使用场景做离线扩写，用来缓解点击日志本身的稀疏。第三段存在一个潜在隐患：LLM 生成的 query 之间没有可靠的优先级，直接拼到标签末尾等于往监督信号里增加噪声，所以我们用 PARM（见 2.3）给 打分取 Top-k 再拼进去。
2.2 课程学习+ 多样性正则 + 自蒸馏
这个任务真正难的地方不是“infer出多条query”，而是决定沿哪些角度去扩。如果只拿最终答案当监督，模型得自己从标签里反推出扩写维度；而相关性是底线、个性化是上限--一条贴合画像但跟商品无关的 query 毫无价值。所以我们把训练拆成四段，按难度递增：
但是SFT的损失只拟合和label的相似，对于10条之间是否互相重复并不关心。对于实际应用过程中我们不仅需要模型输出的query与商品相关并且表达能够多样，因此我们额外加一项显式的多样性惩罚：
取token级 Jaccard，不需要额外encoder参与计算。 通过测试在0.1附近最优：太大则模型为了凑多样性开始生成不相关 query。在经过课程学习和多样性正则之后，使用训练好的模型通过提高温度采样得到一批I2Q SFT数据用于自蒸馏，经过测试发现temperature 0.9~1.0 最优、top-k则是越大越好。
2.3 混合奖励的 GRPO
SFT 的目标是"像标签"，但标签本身来自有偏日志和教师模型，"像Label"≠"用户会点"；而且 SFT 难以直接优化合规目标，会生成包含无意义营销词、侵权品牌词等。所以将奖励拆成两路：
规则奖励是8种可程序化校验的加权子项：数量合规、体验合规、词汇覆盖、用户意图对齐、流畅度、多样性、惩罚词、格式合法。其中词汇覆盖是防幻觉主力——长度 < 3 词的 query 必须有 ≥2 个词命中商品标题，否则要求 query 词项被标题覆盖 ≥75%。
模型奖励靠PARM（Preference-Aware Reward Model），一个 Qwen3-4B 的生成式点击预测器。它不是二分类头，而是把判别问题重写成生成问题：给定 生成自然语言标签 ，训练目标 。推理时取
好处是直接复用预训练语义能力，小样本下比接分类头稳得多。
训练样本用位置感知采样构造：点第 1 位的样本整条丢弃（首位天然高曝光，不含偏好信息），点第 k 位则以它为正例、其前面被跳过的全部为负例，被点位置之后一律忽略。本质是抽取"用户跳过了前面、选了后面"这个显式偏好信号。我们在21 万PV数据上验证，PARM与真实点击的Top-1一致率79.8%，Top-2~4 均 >72%。
值得一提：PARM在SFT阶段就已经在用了（2.1 的label重排就是它做的），同一个偏好模型串起监督构造和 RL 对齐，避免两阶段优化方向不一致。
3. 离线评估
主指标是 Soft HR@K（Soft Hit Rate）：生成的 query 只要命中日志中被点的那条，或者它有 ≥60% 的词项出现在用户进入搜索后所点击商品的标题里，就算命中——也就是把指标锚定在二跳商品点击上，而这正是这个场景真正的业务目标。另外两个维度：APD（Average Pairwise Distance，列表内两两平均距离）和 Distinct-2（二元组去重率）衡量多样性；Rule（规则合规分，满分 10）直接对应线上可用率。
3.1 主结果
两点值得说。一是 1.7B 打赢了 GPT-5.2（77.96 vs 75.73），而且多样性和合规的优势更大（APD 72.96 vs 67.74，Rule 9.16 vs 8.57）——闭源大模型直接用于电商场景还是存在一定短板。二是朴素串联 SFT+GRPO 几乎白干：纯SFT是74.04，串上GRPO只到74.19；而不做SFT直接上 RL 更差（66.58），因为模型连任务长什么样都不知道，RL没有可探索的优质样本。真正的差距在多样性上——SFT→GRPO 的 APD 只有 53.34，EAGER 是 72.96，说明 Enrichment 那一套（课程 + 多样性正则 + 自蒸馏）才是把采样空间撑开的关键。
3.2 课程学习的验证
回头看2.2的四种课程任务，我们做了增量消融：
最大的单步收益来自加入用户画像，但它得基于前两段的基础之上才兑现，课程顺序本身是必要的。
3.3 CaseStudy
KR 站英语女性用户点了个 PU 皮托特包：
线上baseline给出 tote bag / bags for woman / zara bags，泛词加跨品牌漂移；
EAGER 给出 large capacity tote bag / designer PU leather handbag / casual shopping bag / PU leather shopper——材质、容量、场景、风格四个维度都展开了。
4. 线上部署&A/B效果
EAGER不替换现有链路，而是作为新增召回接入：X2Q召回+ 向量召回 + EAGER生成式召回，三路并行进召回池，排序层完全复用现有模型，统一出Top-4。
A/B 设置： 9 天，5% 流量
一跳和二跳指标均上涨，说明 EAGER 带来的不只是更吸引人点的泛词，而是更精准的意图承接，用户点击进入搜索结果页之后确实找到了想买的东西。
5. 总结
生成式召回在工业界落地，主流路线是 SID（Semantic ID）：先把物料量化成一串离散语义 ID，模型自回归地"吐 ID"，再查表还原成物料。在商品、视频这类物料上这套做法很合理，物料是一个有限集合，ID 化之后既能压缩表示，又能天然对齐现有的索引和工程链路。
但 I2Q 的"物料"是 query，本身就是自然语言，不需要"还原"这一步，先量化成 SID、再解码回文本，中间那道离散化只会掉信息。更关键的是，SID 的码本是从既有物料集合建出来的，模型只能吐出码本里已经存在的 query，这跟第1节里X2Q召回"只能从既有 query 池里选择"的缺陷是一致的；而这个场景真正缺的恰恰是池子里没有的表达：长尾商品、新品、多语言、组合意图。
所以我们在这个场景上放弃SID，让 LLM 直接在自然语言空间里生成，把输出空间的上限从码本大小解放成词表组合。代价是丢掉了离散 ID 自带的约束：生成的东西可能不相关、不合规、也可能十条长得一样。EAGER 这套两阶段设计，本质上就是把这些约束用别的方式补回来，监督信号按意图强度排成有序序列，结构比数量更重要；奖励拆成"可验证的"和"学出来的"两路，合规、格式、词汇覆盖这些能写成硬规则的别指望模型自己学，"用户会不会点"这种写不出规则的才交给奖励模型，混在一起两边都糊；多样性则必须显式建模，并接受它和命中率之间的权衡。最终EAGER通过1.7B的模型进行上线，通过增量的形式接入现有召回系统，为AliExpress搜索带来了点击率与转化的双正收益，且转化侧的涨幅明显大于点击率。
6. 关于我们
我们是阿里国际-智能技术-AE 搜索算法团队，负责 AE / 淘宝海外 /GMarket/ Tao 日本等业务搜索场景。将大模型技术应用于国际化电商搜索，包括多语言电商大模型构建、基于 LLM 的搜索全链路升级（多语言 Query 理解与相关性、多模态文档扩展、端到端生成式召回等），以及 AI 搜索在国际化电商导购的探索。近年在 CIKM、WWW、AAAI、KDD 等会议发表多篇论文。欢迎感兴趣的同学加入我们。
点击上方名片，关注我们吧～