阅读研究雷达投资体系
登录 / 注册
← 返回阅读
专题DisconfirmAI 编辑部更新于 2026-11-16 20:25

Shopify

2 节点1 篇3 来源

加拿大电商基础设施公司 Shopify 近期部署了一个名为 SID-LLM 的共享生成式发现模型,旨在统一其搜索与推荐系统。该模型将数十亿商品编码为三词元语义 ID,并基于 Liquid AI 的 LFM2-2.6B 模型进行联合训练。在生产环境中,该模型显著提升了 Shop 应用首页推荐的订单量(+7.95%)和转化率(+9.85%),并在搜索质量上实现了 OneDCG@10 指标 2.1 点的整体提升。通过 GPU 约束解码技术,系统将推理延迟控制在毫秒级,证明了生成式模型在大规模实时商业场景中的可行性。

事情怎么走到这一步

  1. 2026-11-11

    Shopify 工程团队发布博客文章《Shopify’s generative discovery model》,详细介绍 SID-LLM 的架构、训练方法及在线 A/B 测试结果。

    shopify.engineering ↗
  2. 2026-11-11

    Shopify 研究团队在 arXiv 提交论文《Generative Search and Recommendation at Shopify》,阐述 SID-LLM 的技术原理及实验数据。

    arxiv.org ↗

还没定论的部分

  • 该模型如何进一步整合到 Shopify Catalog API 以支持更多第三方 AI 代理?
  • 随着商品目录的动态变化,语义 ID 的更新机制对模型长期稳定性的影响如何?
  • Liquid AI 的 LFM2 系列模型在其他垂直领域的表现是否同样具备低延迟优势?

来源

  • shopify.engineeringShopify Engineering Blog↗
  • arxiv.orgarXiv Technical Report↗
登录 / 注册
阅读研究雷达投资体系
daily.devDaily.dev Summary↗

这一专题下的内容

  • Shopify 工程团队:搜索与推荐为何能共用一个生成式模型2026-11-12资讯

    Shopify 详解其共享生成式发现模型的架构决策:用语义 ID 将数十亿商品编码为三词元序列,联合训练搜索与推荐使二者互相提升,并以 2.6B 参数模型在毫秒级延迟预算内完成生产部署。