概要: 大規模言語モデルは、意図認識に基づく推奨を可能にすることで、eコマース検索に変革的な可能性を提供します。しかし、その産業界での適用は、次の2つの重要な課題によって妨げられています: (1) 動的で細かな製品知識のエンコード不足に起因する知識の幻視、(2) コンプライアンスを脅かすジャイルブレイク攻撃によるセキュリティ上の脆弱性。これらの問題に対処するため、知識豊富で安全なeコマース検索LLMを構築するためのSI--a Synthesize-Inject-Alignフレームワークを提案します。私たちのアプローチは、構造化知識グラフと非構造化の行動ログを組み合わせ、推論チェーンと安全性を考慮したデータを付加することで、高品質な自然言語コーパスを最初に合成します。次に、Depth Up-Scalingに基づくパラメータ効率の高い事前学習戦略を導入し、汎用能力を維持しつつドメイン知識を注入します。最後に、マルチタスク指示調整と敵対的訓練を組み合わせたデュアルパス整合法により、タスク性能と安全性の堅牢性の両方を強化します。このフレームワークは中国最大の自社運営型eコマースプラットフォームであるJD.comに展開されており、5つのコア検索シナリオにおけるA/Bテストは主要なビジネスメトリクスの有意な改善を示し、その産業的有効性とスケーラビリティを検証しています。
返却形式: {"translated": "翻訳されたHTML"}
