QueryAgent-R1：桥接查询生成和产品检索以实现电子商务查询推荐

电子商务搜索中的查询推荐旨在主动推荐符合用户潜在兴趣的查询。然而，现有方法主要优化查询级相关性，而忽略了检索到的产品是否符合用户的下游偏好。这种不匹配通常会导致查询点击率 (CTR) 高，但产品转化率 (CVR) 低。为了弥补这一差距，我们提出了 QueryAgent-R1，这是一种内存增强代理框架，可通过检索链优化来改进端到端对齐。我们的 QueryAgent-R1 在实际库存检索中生成查询，允许代理根据检索到的产品验证和优化查询。我们还在代理强化学习（RL）过程中设计了一致性奖励，以共同优化查询相关性和下游参与度。此外，我们构建了一个内存抽象模块以进行有效的用户分析。为了支持离线评估，我们基于专有工业数据和公共数据集构建了两个数据集，QueryAgent-R1 在这两个数据集上始终优于强大的基线。此外，在大规模生产平台上，QueryAgent-R1在线A/B测试中查询CTR提高了2.9%，指导CVR提高了3.1%。