TRACE：基于多源证据锚定的智能体化目录富化

商品目录支撑着电商的搜索、发现与推荐，但目录往往属性稀疏：购物者与下游系统依赖的属性要么埋没在标题、图片等非结构化内容中，要么在目录中完全缺失。鉴于电商目录的规模与快速增长，人工富化并不现实。本文提出TRACE，一个使用智能体化大语言模型（LLM）进行目录属性自动富化的新框架。ScoutAgent在商家目录、联合数据源（syndicated feeds）与身份匹配的网络搜索之间对多模态证据进行三角验证，提出带支持证据的候选属性值；JudgeAgent则对照支持证据核验所提出的每个属性值，并决定发布还是转人工审核。在一个离线人工评估数据集上，TRACE提出的属性值在74.7%属性覆盖率下准确率达98.2%。在生产环境中部署于工业规模目录后，TRACE使四个业务垂类的曝光加权富化覆盖率提升90.4%。随后的在线实验显示，在商品详情页展示富化属性使结账转化率提升0.48%。