本文首先将以多语言语义相关性、多语言Query改写两个典型任务，介绍如何利用大模型重构这些任务，最后再介绍如何在开源LLM基础上进行多语言电商领域增强，以及在下游任务上的提升。

“懂你”的广告背后，藏着这些秘密！

实战干货！快手技术团队智能排障与应急处置的真实落地经验！

赵君豪 得物社区 AI搜索负责人

万能搜围绕AI能力在搜索场景中应用，探索AI电商搜索新体验。

从使用到浅层原理

由浅入深介绍LLM的基础知识，从大模型的使用，到原理解析，再到LLM系统实战。

ReAct范式

理论结合实践

足够详尽

让数据为AI而治理，让AI为业务而服务。

马尔科（吴浩亮） 小红书 交易、基础数仓负责人

骆昱宇 香港科技大学（广州） 助理教授、博士生导师

在数字化运营中，用户行为分析是洞察业务痛点、驱动增长的核心手段。火山引擎用户研究Agent是新一代用户精准洞察与决策助手。

我们期望这一基于大规模真实数据的测试平台，能够为下一代Context-aware与Physically-grounded的LBS生成式推荐系统提供真实、可靠的评估标准与研究方向。

本项目是个性化生成式检索在淘宝主搜索场景的首次落地，完成了大体的框架设计，迈出了从零到一的关键一步。我们成功证明了生成式召回范式的潜力，并给当前召回系统带来了可观的增量。

通过将前沿的时空推理引擎接入真实业务场景，我们力求全方位感知真实需求，在开口前就提供量身定制的主动决策与贴心服务。看高德如何把传统的\x26quot;搜与推\x26quot;升级为会思考、会主动决策的 Agent。

我们相信，真正的需求理解，不是某类场景发生了多少次请求的统计汇总，而是在什么处境下，产生了什么需求，背后是什么决策逻辑。当机器能够回答后一个问题，AI Agent才真正具备了「服务需求」而非「服务数据」的能力。

本文提出一套面向家居导购Agent的自动化评估链路：基于结构化多维度（基础/专业/补充指令+用户画像）Benchmark，采用LLM-as-a-judge实现91.9%准确率的自动评分，并通过人工抽样校准。

本文为RAG技术实战指南，聚焦Agent开发中的核心挑战：知识库构建不规范、检索召回不准、缺乏量化评测。