跳转至

SPEAR：选择感知的个性化改写与社区搜索

Fidelity：核心机制复现。公开数据只验证论文机制，不模拟生产流量。

论文信息

项目 内容
论文链接 arXiv 2608.01738
公司/机构 Dewu
首次公开日期 2026-08-03（arXiv v1）
原文开源代码 是：官方/作者代码
Adapter spear
本地复现代码 src/auto_research/reproductions/spear/

原始论文总结

背景与主要改动

端到端改写—检索容易让通用词凭高 path score 胜出、偏离原 query。SPEAR 用双 embedding 和梯度隔离保护 recall 语义，以 rewrite confidence × item relevance 的乘法门消除捷径，再由动态 selector 产生 request-specific 权重、scale 和 bias。

flowchart LR
 A["学生 / Agent rollout"] --> B["原 query / 用户画像 → 双 embedding → 乘法门 → 动态 selector"]
 B --> C["可审计的目标或状态更新"]
 C --> D["公共 mini-suite 评测"]

原论文关键图

SPEAR：选择感知的个性化改写与社区搜索 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。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

\[ s(q',d)=s_{orig}(q,d)+\underbrace{c(q'|q,u)\cdot r(q',d)}_{\text{selection-aware gate}},\quad \hat s=\gamma(q,u)s+\beta(q,u). \]

论文离线与线上效果

10 万工业 session 上 semantic similarity@10 +18.2、click recall@10 +99.5；线上 query-view CTR +0.259、平均阅读深度 +0.733，2025 年起全量部署于得物社区搜索。

本地复现

本地对照口径：基线为共享 transition + content scorer，实验组只加入 SPEAR 核心机制；相对 NDCG@10 +26.95%。

执行 recall/rank 双 embedding、乘法 confidence×fidelity gate、dynamic scale 和原 query residual。

MovieLens-100K、260 users / 420 items、seed 42：NDCG@10 0.0354 → 0.0449（+26.95%）；线上数值仅引用原文。

auto-research reproduce --paper spear --dataset-dir data --seed 42
auto-research evolve --model rankmixer --dataset movielens-100k --direction "探索 spear 的已安装核心算子" --generations 2 --population 4

固定指标见 metrics/public-seed42.json。

复现边界

MovieLens item 内容代理商品/帖子，未复刻得物 query rewrite generator、私有 session 与线上排序链路。