元宝—基于大模型的搜索召回技术研究

课题背景： Embedding 和表示学习是现代搜索召回的核心基础能力。随着 AI 搜索场景对语义理解、细粒度匹配和复杂意图建模的要求不断提高，传统单向量表示逐渐暴露出表达能力不足的问题。多向量、多粒度表示以及语义与关键词联合建模，成为提升召回能力的重要研究方向。 课题挑战：

1. 01

   单向量表达能力有限：面对复杂语义、组合条件和细粒度匹配需求，单一向量往往难以完整表征文本。

2. 02

   多向量建模成本高：多向量虽然表达更强，但索引、存储、检索和在线服务成本显著增加。

3. 03

   多粒度表示设计复杂：如何同时建模词级、句级、段落级甚至文档级语义，并实现有效协同，是关键问题。

4. 04

   语义与关键词联合建模难：纯语义召回容易弱化精确约束，纯关键词召回又难覆盖深层语义，二者融合机制需要深入设计。

5. 05

   训练样本构建难度大：高质量 query-doc 配对、难负样本、多任务监督信号的构造直接决定表示学习效果。 具体工作：

6. 01

   召回embedding模型训练优化：embedding模型优化，解决复杂语义、组合条件、细粒度需求下query-title/query-chunk的 embedding search问题；

7. 02

   query纠错和改写优化：纠错召回和改写召回，通过query fan-out技术提升召回率。

1. 01

   包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；

2. 02

   具备扎实的 信息检索 / 表示学习 / 大模型相关技术基础，熟悉向量检索、语义匹配、召回评估指标等核心问题；

3. 03

   熟练使用主流深度学习及大模型的训练与推理框架，对 Transformer、Embedding 模型及其在搜索场景中的应用有深入理解；

4. 04

   具备良好的分析与系统性解决问题能力，能够针对复杂业务场景设计、优化并落地召回算法与系统方案；

5. 05

   在信息检索、自然语言处理、机器学习等相关领域顶会/期刊发表论文者优先。