工业搜索中 大语言模型 支持的查询驱动事件时间线摘要

了解事件如何随时间演变对于搜索引擎处理有关趋势新闻的查询至关重要。我们提出了 QDET（查询驱动事件时间线摘要），这是一个部署在百度搜索上的生产系统，它构建聚焦事件时间线来解释特定的查询事件。与旨在全面覆盖的传统以主题为中心的方法不同，QDET 从每天检索的数百万文档形成的嘈杂候选集中识别并组织与查询密切相关的子事件。 QDET 包含两项关键创新：（1）多任务监督 微调 具有三个辅助任务——时间排序、因果判断和时间线完成——使紧凑模型能够与专业领域中更大的通用模型的性能相匹配； (2) 基于强化学习的事件简明摘要，在保持语义质量的同时强制执行严格的长度约束，实现了 88.2% 的长度合规性，并在约束满意度方面比 671B 规模模型高出 7.7 个百分点。我们经过微调的 7B 参数模型在时间线汇总上实现了 76.2% F1 分数，略高于 DeepSeek-R1-671B 的零样本性能 (76.1% F1)，同时仅使用其 1% 的参数，这表明特定领域的优化能够以大幅降低的计算成本实现具有可比质量的生产就绪模型。百度搜索的在线 A/B 测试验证了现实世界的有效性，与单任务基线相比，点击率提高了 5.5%，停留时间延长了 4.6%，探索深度提高了 4.4%。我们进一步证明时间线理解可以转移到热量预测，从而确认知识可以有效转移到下游任务。