跳转至

CQ-SID

Fidelity: 核心机制复现。实现类目约束 Semantic ID、残差量化、多信号奖励和 EG-GRPO 更新。

论文信息

项目 内容
论文链接 arXiv 2605.14434
公司/机构 Alibaba Taobao & Tmall Group
首次公开日期 2026-05-14（arXiv v1）
原文开源代码 否：论文未提供官方/作者代码（核查日期：2026-08-09）
Adapter cq-sid
本地复现代码 src/auto_research/reproductions/cq_sid/

原始论文总结

背景与主要改动

论文让首级 SID 服从商品类目，再用残差码表达类目内差异；Expert-Guided RL 组合点击、购买、语义与约束信号优化生成检索。

flowchart LR
  X["商品/类目"] --> Q["Category-constrained RQ"]
  Q --> S["CQ-SID"]
  H["Query / history"] --> G["Generative policy"]
  S --> G
  E["Expert rewards"] --> R["EG-GRPO"]
  G --> R

原论文关键图

CQ-SID 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的整体流程、关键阶段及其数据流向。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ s_i=(c_i,q_i^{(1)},q_i^{(2)}),\qquad A_j=\frac{r_j-\operatorname{mean}(r_{1:G})}{\operatorname{std}(r_{1:G})+\epsilon}. \]

论文离线与线上效果

TmallAPP Search 两周 A/B：GMV +1.15%、UCTCVR +0.40%；论文另报 semantic click hit rate +26.76%。

本地复现

本地对照口径：基线是协同 item-ID 检索；实验组执行 CQ-SID 与 240 次 group-relative policy update；NDCG@10 相对 +1.66%。

auto-research reproduce --paper cq-sid

结构化结果见 metrics/movielens-100k-seed42.json。

复现边界

没有复刻 64-GPU 渐进训练、Tmall 私有 query log 和生产 beam service；EG-GRPO 更新本身真实执行。