大模型时代，电商入口正在从 " 关键词搜索 " 变成 " 意图表达 "。用户不再输入关键词，而是像和导购对话一样表达复杂需求：
" 我周末去迪士尼，想要拍照好看、走一天也舒服，天气可能会下小雨，帮我搭一套。"
这不再是简单检索。它同时包含场景、风格、天气、舒适度、搭配关系和个人偏好。
更复杂的是，用户可能会继续追问：
" 这双鞋挺好看，再找几双类似的，但要更软一点。"
这时，系统不仅要理解 " 更软一点 "，还要记住 " 这双 " 是哪一双、用户为什么喜欢它，以及新的推荐是否仍然符合 " 迪士尼、拍照、走一天、小雨 " 的原始场景。
而当前很多系统，仍然是大模型负责理解意图、改写 query，真正的商品检索和排序交给外部搜推工具完成。传给工具时，丰富的上下文可能只剩下：
" 主题乐园穿搭 相似运动鞋 轻便防水 软 "
这是当前业界 AI+ 电商方案中的共性瓶颈——当购物意图从大模型传递到外部检索系统时，复杂的场景信息不可避免地被压缩。研究者们将这类问题统称为 Interface Loss（接口损耗）。
为了解决它，团队提出了ShopX：一个面向 agentic shopping 的电商大模型。它不仅仅是在搜索框外面套一个会 " 说话 " 和 " 调用工具 " 的 LLM，而是赋予模型直接进入商品空间的能力，让大模型成为商品履约的核心，学会在商品空间中规划、检索、排序、组合和生成结果，进而减少接口损耗。
背景
从技术视角看，ShopX 关注的不是让模型 " 更会聊天 "，而是让模型更可靠地把用户意图转化为商品结果。传统 tool-mediated 方案把复杂购物意图拆成自然语言理解、query 改写、检索、排序等多个外部环节，模型与商品空间之间始终隔着工具接口；当购物需求变成多轮、场景化、个性化的 Agentic Workflow，接口损耗就会被持续放大。
这种损耗的根源在于，用户表达的是完整购物任务，而工具接口通常接收的是被压缩后的检索条件。大模型可以理解 " 适合下雨天去乐园、走路不累、还要拍照好看 " 背后的场景和取舍，但一旦进入外部搜索链路，这些软约束、搭配关系和历史偏好往往会被拆成若干关键词或过滤条件，难以在后续排序、组合和解释中持续生效。
因此，AI 购物模型需要从" 会调用搜索工具 "进一步走向" 能在商品空间中履约 "：既要理解自然语言，也要知道商品之间的相似、替代、互补和组合关系；既要能给出商品，也要能在多轮反馈中稳定保留用户偏好。ShopX 正是在这个背景下提出的模型原生商品履约框架。
ShopX 的核心思路：让大模型自己就能操作商品，而非翻译给外部系统。
ShopX 由中心模型和轻量级 Serving Harness 组成。Harness 提供用户画像（Context）、商品目录映射（Catalog）和多轮状态（State）三大服务模块；模型按 Plan → Execute → Fulfill → Update 四步完成每轮交互，支持三种服务模式：显式购物请求的 Intent-to-Item Fulfillment、模糊请求的 Context-Augmented Personalization、以及跟进修改的 Stateful Multi-Turn Fulfillment。
ShopX 不是一个 " 聊天壳 "，也不是只会生成商品 ID 的召回模型，而是 AI 购物中的履约模型：既能理解自然语言，也能直接操作商品空间，还能把推荐结果稳定 grounded 到真实商品目录中。根据不同请求，ShopX 可以完成 SID Beam Search 检索、Listwise 排序选品、种子商品扩展、跨品类搭配组合、商品对比、文本与 SID 交织回复，以及追问澄清和偏好记忆更新等多种履约操作。
每个商品被编码为一段Semantic ID（SID）加入大模型词表。ShopX 关心的不是 " 如何给商品编号 "，而是什么样的 SID 能支撑大模型完成从意图到商品的履约，因此强调两点：Recoverability（从 SID 可推断商品的品类、属性、风格）和Operability（适合大模型的自回归生成范式）。
构建分两步。第一步，用 Qwen3-VL-Embedding-2B 统一编码商品图片、属性和标题，采用 Equivalent-Product Supervision+Soft InfoNCE contrastive learning，输出全局向量（路由）+ 多个局部向量（细粒度语义）。第二步，采用 Global+Local 混合编码：2 级全局前缀（RQ-VAE）负责稳定路由，4 级局部后缀（VQ）补充细粒度语义。每级 codebook 8192，共新增约 5 万个 SIDtoken。
对比纯全局方案，混合编码将单个 SID 平均挂载商品数从 126.5 降到 13.8，区分度提升近 10 倍，同时语义恢复能力（SID → Desc ROUGE）从 25.5 提升到 31.5。
ShopX 的训练难点不只是让模型学会预测 SID，而是在进入商品空间的同时，保留购物 Agent 需要的通用指令跟随、多轮对话、画像理解、排序、解释等能力。基座模型 Qwen3（4B/8B），四阶段逐步训练：
冻结原模型，仅训练新增 SID token embedding，建立编码与商品描述的双向映射。Ablation 验证了这一步是后续 CPT 的必要前置。
领域持续预训练：
注入电商领域知识（商品目录与 SID 对应、意图 / 行为到商品映射、用户偏好理解），同时混入通用数据防止灾难性遗忘，领域与通用 2:1，总计约 114B token。
指令微调：
将领域知识转化为任务格式。通用数据占比约 75%（指令跟随、多轮对话、工具调用、数学推理、代码生成），电商数据约 25%（SID 原生履约、上下文理解、购物对话），避免模型退化为纯 SID 预测器。
多教师在线蒸馏与强化学习：
核心创新阶段。如果只强化 SID 预测，模型会更会 " 找商品 "，但可能丢掉对话、画像抽取、排序和解释能力。团队将训练样本路由到五个 task family，其中每个用不同的 teacher+reward 组合：
实验结果框架级评估
基于淘宝真实匿名日志（279 单轮 +80 多轮），对比 ShopX 与 Chat-REC/RecMind/InteRecAgent。三个 baseline 均使用 Qwen3-8B+ 淘宝线上搜索服务（经过多年迭代、服务亿级用户的成熟检索排序系统），baseline 的搜索后端本身就很强。评估采用 Rubric-based LLM Judge，覆盖意图满足、商品精度、约束遵守、反馈响应、跨轮引用等八个维度。
能力分解
购物能力全面提升（vsQwen3-8B）：商品关联推理（理解商品间替代 / 互补关系）28.3 → 49.7（+21.4）、行为序列证据提取（从用户行为历史中选出与当前请求相关的信号）16.1 → 52.7（+36.6）、画像证据提取（从用户画像中提取有用信息）52.9 → 76.9（+24.0）、商品描述恢复（从 SID 反向恢复商品语义信息）10.1 → 33.2（+23.1）。
通用能力大部分保持：BBH（综合推理）74.1（+0.9）、CMMLU（中文知识）75.8（+1.6）、GSM8K（数学推理）88.6（+0.4）、MBPP+（代码生成）83.1（+8.0）。在较指令遵循和复杂的通用任务上有一定下降：IFEval（指令跟随）78.4（-3.5）、MMLU-Pro（多学科知识）59.3（-3.6）、MATH-500（竞赛数学）59.6（-16.6）、GPQA-Diamond（研究生级科学问答）41.4（-6.1），说明高难度推理和数学是领域训练的代价区，但这些能力对购物场景非核心。
Case 分析
文章提供了 ShopX 与 Tool-mediated baseline 的逐轮对比 Case，覆盖单轮和多轮场景。这里各选一个最有代表性的。
Case 1：单轮复杂需求，一次完成完整购物。用户希望同时购买骑行头盔和骑行手套，本质上属于典型的 Bundle Shopping。传统 Agent 往往围绕主商品发起独立搜索，容易忽略手套等互补商品，只能完成部分需求。相比之下，ShopX直接理解用户的整体购物目标，在 Item Space 中联合规划多个商品类别，一次性生成完整的骑行装备组合，实现真正的Single-turn Bundle Fulfillment。
这项研究来自淘天 AI 搜团队以及推荐内容理解、阿里巴巴 Token Foundry 事业部、ROLL 团队。
该团队重点探索电商搜索从 " 关键词匹配 " 向 " 自然语言理解、意图推理和智能履约 " 的升级，让模型更好地理解复杂购物需求、多轮上下文和真实商品空间。
研究方向包括：
AI Search&Agentic Shopping：
面向自然语言购物需求的意图理解、搜索规划、多轮澄清与商品履约
生成式推荐：
基于大模型架构的生成式召回、商品履约，以及商品、图片、视频等多模态内容的 Semantic ID 构建与工业化
多模态表征学习：
商品图文融合表示、跨模态检索与匹配
论文链接：https://arxiv.org/abs/2606.31693
感兴趣的同学可以向这个邮箱投递简历：fangcheng.zjj@alibaba-inc.com
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
【学术投稿】请在工作日发送邮件至：ai@qbitai.com，标题注明【投稿】，并告诉我们：你是谁，从哪来，投稿内容附上项目 / 主页链接，以及联系方式。
我们会 ( 尽量 ) 及时回复你 : )
点亮星标
科技前沿进展每日见
