使用分层文本表示的实时赞助搜索广告的一步检索框架

传统的检索系统通常使用多级级联架构（MCA），其中每个模块都是独立优化的，导致目标不一致并过早淘汰高潜力候选者。最近基于 LLM 的生成方法提供了端到端解决方案，但使用离散语义标识符 (SID) 来检索广告，而基础 LLM 无法学习这些广告，并且需要在 SFT 期间记住大量 SID 到广告的映射，因此对未见过的广告的泛化能力有限，维护和更新成本较高。 SID和广告之间的一对一映射导致解码效率低下。此外，这些方法依赖于小型奖励模型（例如 pctr）来实现相关性和排名，限制了大语言模型充分评估广告商业价值的能力。为了应对这些挑战，我们提出了统一的生成判别排序实时检索（ANGLE）框架。 ANGLE 使用 LLM 生成的分层文本表示，其中包含提供高级概述的商业意图和提供细粒度细节的广告摘要。此外，ANGLE 将检索、相关性和排名直接集成在单个大语言模型中，通过利用大语言模型的全部功能实现精确、高效的广告排名。我们将ANGLE应用到现实搜索场景中，实现了消费增长1.81%，商品交易总额（GMV）增长2.16%。我们还对 ANGLE 和七个基线进行了离线评估，ANGLE 在 HR 和 ACR 等关键指标上表现优于所有关键指标。