谷歌提出RPTune框架提升目录搜索准确率
先了解这件事
2026年10月2日，AGI Hunt 报道谷歌研究者发布论文 RPTune，面向商品目录能塞进长上下文窗口的中小商家，用「全目录提示」取代为百万级商品设计的高成本多阶段检索流程。报道指出，目录塞进上下文不等于模型能有效利用，LLM 对长上下文的利用并不均衡。RPTune 结合学习式目录精选策展与 LLM 后训练：由编码器-重组器（curator）依据下游 LLM 反馈对商品排序与裁剪，精选后的目录又反过来提升基于上下文相对奖励的后训练。评测在 7 家真实商家、每家 100 条复杂对话查询上进行：上下文精选最高带来 31.4 个百分点提升，后训练在此基础上平均再增加 10.3 个百分点，对专有与开源 LLM 均有效。两篇报道同日出稿、数字一致，均未提及该框架是否已上线或开源，也未给出除上述评测外的部署信息。
AI 根据报道生成 · 28 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt谷歌提出 RPTune：学习式目录精选+后训练，搜索准确率最高提升 31.4 点
谷歌提出端到端框架 RPTune，面向目录能塞进长上下文的中小商家，用「全目录提示」替代多阶段检索，由编码器-重组器（curator）依据下游 LLM 反馈对商品排序裁剪，精选目录又反过来提升基于上下文相对奖励的 LLM 后训练。在 7 家真实商家、每家 100 条复杂对话查询上评测，上下文精选最高带来 31.4 个百分点提升，后训练平均再加 10.3 点，对专有与开源 LLM 均有效。
- AGI Hunt谷歌 RPTune：目录策展加后训练大幅提升 LLM 商品搜索
谷歌研究者发布论文 RPTune，面向商品目录可塞进长上下文窗口的中小商家，用「全目录提示」取代为百万级商品设计的高成本多阶段检索。研究指出目录塞进上下文不等于模型能有效利用，LLM 对长上下文的利用并不均衡。RPTune 结合学习式目录精选策展与后训练，显著提升目录内商品搜索精度，准确率最高提升 31.4 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。