小红书精读：PailitaoMMSearch2.0 Technical Report: Scaling Generative Retrieval to Unified End-to-End Multimodal Search

一个模型吃掉三种搜图意图🔍

各位算法同学们，淘宝拍立淘线上 A/B 里交易数涨了 27.04%，但模型没加意图分类器，也没为“相似/改款/搭配”各开一条链路。它用原始图片加自由文本指令直接生成商品 Semantic ID，这篇报告讲的是生成式检索怎么从单场景解耦。

📄 PailitaoMMSearch2.0 Technical Report: Scaling Generative Retrieval to Unified End-to-End Multimodal Search

🔧 数据侧不靠堆日志：一套可组合工具做冷启动合成、质量过滤、真实流量修正和持续生产，再按意图与生命周期拼成工作流。

🧩 意图侧把相似、编辑、匹配塞进同一个策略：CPT 先对齐商品知识和 SID 词表，混合预算 SFT 教多种推理档位，RL 再统一优化。

⚙️ 场景侧用 0.8B/2B/4B 模型容量和 No/Low/High-Think 预算切质量-成本点，不引入路由模型，服务时只选配置。

📊 商品用三级 SID、每级 8192 码本，解码出候选集就是检索，省掉对全库打分。

📈 Sample–Beam RL 的 macro Excellent Rate 比 SFT 高 5.97 个点；rollout 采样推理轨迹、beam 解码商品 SID，跟线上多候选服务对齐。

✅ 拍立淘线上 A/B：商品页浏览量 +17.90%，交易数 +27.04%，GMV +8.94%，统计显著。

做电商多模态检索或生成式召回的同学，可以盯它的数据工具链和 Sample–Beam 设计；落地坑在 SID 码本与商品更新的一致性、推理预算带来的 P95 延迟，以及 RL 奖励能否覆盖长尾意图。和“向量召回+意图路由”比，它省的是系统复杂度，不是训练成本。

原文：AlphaXiv