小红书精读：LLM4AIGQ: LLM-based AI Guidance Query Generation Framework for Multi Interest Mining

拆完多兴趣再生成，电商引导Query变了

各位算法同学们，你以为电商的AI引导搜索词是顺着用户历史搜索记录关联出来的，但Q2AIGQ那套两阶段在中途就会丢语义。这篇工作从用户行为序列里直接拆出多个消费兴趣，再为每个子兴趣单独生成引导Query，把识别和生成放在一个LLM链路里，线上还跑赢了。

📄 LLM4AIGQ: LLM-based AI Guidance Query Generation Framework for Multi Interest Mining

🔧 创新点一：不用先召回“主搜索词”再套规则扩展，而是把用户画像+历史行为序列直接交给LLM，先做多兴趣分解，再对每个子兴趣生成有购买意图的AIGQ，避免两阶段级联带来的语义漂移。 🧩 创新点二：训练上走了SFT→RL→DPO三段式。SFT阶段只给单一兴趣子序列，让模型先学会引导词表达风格；RL阶段换成混合多兴趣序列，用推理过程和最终答案分开打分的方式，逼着模型自主拆兴趣、写Query；DPO阶段再让模型去掉显式推理也能保持质量，省在线token。 ⚙️ 创新点三：部署采用近线生成+在线读取。每天近线把用户的引导Query池算好，在线只做检索，再加上非思考模式压缩输出，把LLM推理延迟从实时链路里挪走。

📊 实验上，离线评估里生成Query的相关性、多样性和兴趣一致性都优于传统规则型基线，消融实验也证明SFT、RL、DPO三段都不可少。 📈 在线A/B测试整体正向，用户进入AI搜索后的点击和成交引导有稳定提升。很遗憾论文公开摘要没有放出具体百分比，想去抄作业的同学还是得自己翻原文表格。 ✅ 从能看到的描述来看，它对噪声交互更多、兴趣更杂的大用户量的收益应该更明显。

我的判断：这个框架适合做搜索推荐中台的同学参考，尤其是“兴趣拆分作为前置任务+RL多目标奖励+DPO压缩推理”这套组合，基本可以直接复用到商品标题生成、短视频搜索词推荐上。注意坑在于近线更新频率和奖励权重设计，如果业务指标和语义质量打架时，Reward大权重给谁还是得线上小流量慢慢试。

原文：AlphaXiv