用于电子商务搜索相关性的案例驱动多代理框架

相关性是电子商务搜索中用户体验的基础。我们将相关性优化视为一个涉及多个人类角色的闭环生态系统：提供反馈的用户、定义标准的产品经理、标记数据的注释者、优化模型的算法工程师以及评估性能的评估者。因为提高实践中的相关性意味着系统地解决用户感知的不良案例，所以我们提出一个系统级问题：可以通过用自主代理取代人类角色来重新构想这个生态系统吗？为了回答这个问题，我们提出了一个案例驱动的多代理框架，该框架可以自动化从坏案例识别到解决的流程。该框架实例化了用于多轮注释的注释器代理、用于自主不良案例分析和解决的优化器代理以及通过对话交互识别不良案例的用户代理，共同形成了一个自主且不断发展的系统。为了使该框架在生产中实用，我们进一步采用了利用工程范式，并构建了一个用于高效训练的统一检索和排名相关性模型、一个用于实时案例解决的指令遵循相关性模型、一个用于减少代理之间信息不对称的全局内存、一个用于定位低估故障的深度搜索代理以及一个用于人与代理协作的基于代理的聊天机器人。广泛的人工评估表明，该框架有效地执行了相关性相关的任务，提高了注释准确性，并实现了更及时和可概括的不良案例解决，这表明了工业搜索相关性优化的实用范例。