跳转至

Read this paper write-up in English

RPTune: Learned Context Curation for LLM Catalog Search

复现级别：L1 核心机制诊断。 只执行 rank/prune/position 核心编排，不调用 Gemini/Gemma、商家目录或论文训练。

论文信息

项目 内容
论文链接 arXiv v1
公司/机构 Google
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter rptune
本地复现代码 src/auto_research/reproductions/rptune/

原始论文总结

背景与主要改动

用查询-商品编码器、可学习调整项和下游 LLM 反馈共同决定商品保留与摆放顺序；高优商品靠近提示词末端，再对编排后的目录做选择后训练。

flowchart LR
  I[输入与当前状态] --> M[rptune 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

RPTune: Learned Context Curation for LLM Catalog Search 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

\(s_i=10e_q^Te_i+MLP([e_q;e_i])\)，保留 top-k 后按分数升序排列。

论文离线与线上效果

7 个真实商家上编排平均提高 14.0 EM 点，后训练再提高 10.3 点。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

只执行 rank/prune/position 核心编排，不调用 Gemini/Gemma、商家目录或论文训练。