EAGER：从电子商务搜索中单击的项目丰富并对齐生成查询推荐

电子商务平台越来越多地在用户提要中的项目旁边显示可点击的查询建议，使用户能够细化或扩展他们的意图，而无需手动重新制定查询。现有的方法要么从历史日志中挖掘建议——仅限于过去的行为，对长尾、个性化意图视而不见——要么依赖现成的 LLM，其缺乏特定于平台的知识，会产生与真实点击行为脱节的流畅但通用的查询。我们提出了 EAGER（丰富和对齐生成查询推荐），这是一个两阶段框架，用于从单击的项目生成查询建议。在丰富阶段，有监督的 微调 (SFT) 遵循四阶段课程，可扩展信息丰富度（从仅项目到用户条件）和推理深度（从直接到思维链）。每个阶段都包含基本原理增强、多样性正则化和自我 蒸馏。在调整阶段，我们通过 GRPO 进行后训练，并提供多个基于规则的业务信号的混合奖励和偏好感知的点击奖励。大量的离线实验和在线A/B测试证明了EAGER的有效性，并已在大型电商平台的生产中部署。