小红书精读：ICEGR: An Intent-Coherent End-to-End Generative Retrieval Framework for E-commerce Search

🛒端到端生成式检索把意图焊死在每个环节

各位算法同学们，生成式检索在电商里最大的坑不是模型不够强，而是从语义ID构建到偏好优化，每一步都可能把query意图带偏。这篇WSDM’27的工作把意图一致性焊进GR全链路，离线Recall@20提升21.7%，在线订单量提升15.96%，能直接落地。

📄 ICEGR: An Intent-Coherent End-to-End Generative Retrieval Framework for E-commerce Search

🔧 意图感知的SID构建（IA-SID）：不是只用静态内容建ID，而是把query共点击、历史关联query揉进语义ID再离散化。内容不同但满足同一意图的商品（比如口红或项链当情人节礼物）在ID空间里也能靠得近。 🧩 合成查询增强的统一SFT（SQE-SFT）：线上日志长尾商品监督稀疏，他们用商品库自动构造多粒度合成query，把“商品记SID”改成“query生成SID”，补足低曝光商品的意图监督，训练和推理输入更一致。 ⚙️ 相关性校准的偏好优化（RCPO）：直接拿业务信号做偏好优化会让模型偏向高曝光的商品。RCPO只在语义相关候选内做比较，用行为+业务价值排序，再用pairwise margin控制更新幅度，保住相关性也不耽误商业目标。

📊 离线实验：相比基线，Recall@20相对提升21.7%，NDCG@20相对提升26.6%。 📈 线上A/B测试已部署在百度电商搜索的端到端生成式检索路径上，CTR相对提升3.52%，订单量相对提升15.96%，GMV相对提升7.53%。

✅ 对做电商检索、尤其想上生成式检索但怕长尾商品召不回的同学，这个框架挺适合参考。落地时重点盯合成query的质量和低曝光商品的召回变化，另外三个模块建议一起上，单拆一个收益会明显打折。

原文：AlphaXiv