美团搜索3.0：用大模型语义表征改进排序效果

美团搜索团队近期发布了关于搜索3.0的技术博客，介绍了他们在排序模型中应用大语言模型（LLM）语义表征的探索。这一系列文章旨在分享美团搜索在本地生活场景下的技术升级，核心是依托“团垂融合”新架构和生成式大模型技术，重构搜索底座。

为什么值得关注

本地生活搜索与通用网页搜索不同，用户往往带着明确的意图，比如找餐厅、订酒店或买团购券。传统排序模型依赖关键词匹配和浅层语义特征，难以理解用户口语化表达或隐含需求。美团搜索3.0尝试用LLM的语义表征能力，让排序模型更准确地把握查询与商户之间的深层关联，从而提升结果的相关性和用户体验。

技术探索方向

根据博客介绍，美团搜索团队正在全面重构本地生活搜索底座。虽然具体技术细节尚未完全公开，但可以推测，他们可能利用LLM对查询和商户信息进行向量化表示，再将这些语义特征融入排序模型，以捕捉传统方法容易忽略的语义匹配信号。这种思路在业界已有类似实践，但美团结合自身业务特点，可能针对本地生活场景做了定制化优化。

对中文搜索体验的潜在影响

中文表达灵活，同义词、口语和地域性说法很多。LLM语义表征有助于缓解词汇鸿沟问题，比如用户搜“遛娃好去处”，模型能理解这指向亲子乐园或公园，而不只是字面匹配。如果美团搜索3.0落地成功，用户找本地服务时可能获得更精准的结果，减少无效点击。

后续展望

美团搜索团队表示，这一系列技术博客会持续更新，介绍更多搜索3.0的技术探索。对于关注搜索技术和本地生活服务的人来说，这是一个观察大模型如何落地实际业务的好窗口。后续文章可能会深入讲解模型架构、训练数据或评估方法，值得留意。

参考来源