arXiv · ML· Tomasz Gniazdowski, Mohammadreza Momenifar, Nadia Vase, Shahram Khadivi, Wiktor Walentynowicz, Nicola Ueffing, Jan Pawlowski, Piotr Szymanski, Abraham Bagherjeiran·· 2026-10-14AI 评分26
基于 LLM 知识蒸馏的多模态电商搜索相关性预测模型
From a Large-Scale Teacher to Efficient Multimodal Students for Search Relevance Prediction
AI 导读
提出将高性能 LLM 相关性判断系统蒸馏为高效多模态学生模型的框架,显著降低推理成本并提升吞吐量。 通过人工标注高质量数据集构建 LLM 作为评判者的流水线,生成大规模标签用于训练紧凑模型,性能接近教师系统。 该方法支持在生产环境中部署高质量的相关性预测系统。
来源:arXiv · ML · arxiv.org