検索者の好みに合わせた大規模言語モデル

本文: arXiv:2603.10473v1 公表タイプ: new Abstract: アイテム中心のランキングから回答中心の合成へのパラダイムシフトは、検索エンジンの役割を再定義している。最近の産業界の進歩は、eコマースのクローズドセットアイテムランキングに生成技術を適用している一方で、大規模コンテンツプラットフォーム上のオープンエンドな生成検索の研究と導入は限定的なままである。この設定には、ノイズの多い検索結果への頑健性、譲れない安全保証、そして多様なユーザーのニーズへの整合性といった課題が含まれる。本研究では、オープンエンドな生成検索のための最初の大規模言語モデル（LLM）である SearchLLM を導入する。階層的で多次元の報酬システムを設計し、事実的な根拠付け、基本的な回答品質と形式遵守といったボトムラインの制約を、ノイズの多い検索結果への頑健性とユーザーのニーズへの整合性を促進する振る舞い最適化の目的から分離する。具体的には、報酬モデルはユーザーのクエリ、セッション履歴、取得された証拠セットを条件として回答を評価し、規則ベースの検査と人間が較正した LLM 審判を組み合わせて、これらの次元に対する解釈可能なスコアベクトルを生成する。 SearchLLM を GRPO（Group Relative Policy Optimization）の下で最適化する訓練報酬を導くためのゲーティッド集約戦略を導入する。 RedNote の AI 検索エントリに SearchLLM を導入する。 オフライン評価とオンライン A/B テストは、生成品質とユーザーエンゲージメントの改善を示し、Valid Consumption Rate を 1.03%、Re-search Rate を 2.81%低下させつつ、厳格な安全性と信頼性基準を維持した。