Як нова система пошуку враховує вподобання користувачів без втрати швидкості

Що не враховує генеративний пошук сьогодні

Генеративний пошук перетворює запит безпосередньо на семантичний ідентифікатор кандидата. Ідентифікатор формується виключно з вмісту елемента. Виникає розрив: ідентифікатор залишається статичним, тоді як намір запиту змінюється залежно від користувача. Поточні системи ігнорують послідовності поведінки. Вони спираються на beam search з авторегресивним декодером, що додає затримку на кожному кроці.

Роботу подано 31 серпня 2026 року. Стаття представлена на EMNLP 2026. Двадцять дві сторінки, десять рисунків, сім таблиць. Сім авторів: Gaoming Zhang, Angqing Jiang, Jianchun Song, Kena Qi, Dayao Chen, Wei Lin, Defu Lian.

Як CHAP поєднує ієрархію та поведінку

CHAP розшифровується як Cross-component Hierarchical semantic Alignment for Personalized generative retrieval. По-перше, модуль ієрархічної семантичної узгодженості зіставляє латентний простір запиту з шляхом квантування елемента. Це синхронізує семантику на кількох рівнях деталізації. По-друге, фреймворк моделює поведінку користувача, поєднуючи дискретні семантичні ідентифікатори для структурного керівництва з безперервними представленнями для тонкого уточнення. Обидва потоки працюють разом, а не замінюють один одного. Таке поєднання дає гнучкість, якої не було раніше.

Трик з одноразовим декодером

Механізм Residual Cascading Generation обмежує багатокроковий трансформерний декодер одним прямим проходом. Архітектура зберігає високу пропускну здатність, обмежуючи втрати інформації. Автори стверджують, що це усуває вузьке місце, яке створює beam search у стандартному генеративному пошуку.

Результати експериментів

Експерименти охоплюють три публічні набори даних та один власний промисловий набір. Додано онлайн A/B-тести. Стаття повідомляє про перевагу у всіх цих налаштуваннях. Код доступний публічно. Документ не вказує кількість елементів або користувачів у промисловому наборі. Також відсутні дані затримки в абсолютних мілісекундах.