用户搜“无麸质意面”，为什么热门普通意面总会挤进来？DoorDash 把 LLM 用在离线，而不是每次搜索时

导读

用户搜索无麸质意面时，怎样避免热门普通意面排到真正符合条件的商品前面？DoorDash 的 Raghav Saboo 介绍，团队先让大模型离线判断查询与商品的相关程度，将标签用于训练较快的召回和排序模型，而不在每次搜索时都等待大模型。商品内容还被组织成 Semantic ID，让相似商品在层级中靠近，帮助新商品和长尾商品获得推荐；查询改写时则按门店实际库存过滤。用户记忆分为长期偏好、当前购物情境和明确表达的需求，可用于生成个性化商品集合。例如只养猫的家庭会先看到猫粮；集合主题离线生成，打开页面时再从当前有货的商品中检索和排序。用户刚刚明确提出的饮食限制与临时购物车，也要和从历史订单推断的长期偏好区分开来。