阿里云企业 AI 搜索大模型关键技术优化实践｜QCon北京_阿里巴巴_QCon全球软件开发大会

2025 年 4 月 10 - 12 日，QCon 全球软件开发大会将在北京召开，大会以 “智能融合，引领未来” 为主题，将汇聚各领域的技术先行者以及创新实践者，为行业发展拨云见日。

阿里云高级算法工程师姚舰航、徐光伟已确认出席并发表题为《阿里云企业 AI 搜索大模型关键技术优化实践》的主题分享。随着人工智能和深度学习的迅猛发展，大模型（Large Language Model）在自然语言处理、计算机视觉等领域取得了突破性的成果。这些进步促使搜索技术迎来了新的变革。传统搜索主要依赖于关键词匹配和预定义的规则，强调精确的相关性匹配。然而，AI 大模型的引入，使得搜索技术从关键词检索转向了语义理解，从单一模态走向了多模态融合，从确定性检索演变为基于相似度的智能检索。

本次演讲将聚焦于 AI 搜索大模型的关键技术应用，涵盖文本向量化、降维、重排序、NL2Search（自然语言到搜索）、文档解析与切片、问答大模型评测与微调、 Agentic RAG（检索增强生成）及客户专属大模型的最新进展。具体将结合实际业务场景和案例（如智能问答系统、文档搜索、人工智能助手等），深入阐述这些技术如何提升搜索的质量和效率，以及在实践中如何克服各种技术挑战。

姚舰航是浙江大学自动化控制专业硕士，毕业后一直从事搜广推算法研究与应用工作。涉及信息流推荐、商业化广告定向 DMP、OCPX 深度转化模型优化以及云上智能推荐等领域，具备丰富的 C 端和 B 端算法优化和实践经验。目前专注于企业级 AI 搜索方向，负责搜索专属大模型训练以及 Agentic RAG 能力建设。

徐光伟在搜索技术和 NLP 算法方向有十年以上的经验，共有 20 篇以上的顶会论文发表和 50 篇以上的专利，拿到 MS MARCO 和 TREC 2022 文档检索的冠军、NL2SQL 任务 BIRD 榜单的冠军。在 to B 业务方向有八年的经验，搜索云服务业务上推动了行业版算法效果超越竞品，创新地提出轻量化客户定制与多模态检索的产品功能持续迭代，赢得多个标杆客户的认可。

本次大会，两位讲师分享的详细演讲内容如下：

演讲提纲
AI 大模型在搜索领域的背景与趋势
文本向量化与降维
搜索结果的重排序模型
NL2Search：从自然语言到搜索
基于大模型的语义切片
大模型问答质量评测与微调
Agentic RAG 实践
客户专属大模型训练探索
您认为，这样的技术在实践过程中有哪些痛点？
文本向量化与降维：向量化可能导致高维数据难以处理，而降维可能导致信息丢失，影响搜索效果
重排序算法：需要高效的算法以确保实时性，尤其是在大规模数据集上，但计算复杂度可能成为瓶颈
NL2Search（自然语言到搜索）：构建高质量的自然语言处理模型需要大量标注数据，且模型的准确性对于搜索体验非常关键
基于大模型的语义切片：切片语义完整度直接影响搜索结果的相关性
大模型问答质量评测与微调：大模型问答缺乏全面且高精度的质量评测体系，大模型在 AI 搜索场景中仍存在幻觉、回答不完整、回答冗余等问题
Agentic RAG 实践：单轮 RAG 难以解答复杂问题（如多跳问题、聚合问题等）
客户专属大模型训练：由于大模型缺乏客户专有域知识，对客户场景特有问题的理解不足，回答不专业
演讲亮点
实际业务场景结合：通过智能问答系统和文档搜索案例，展示 AI 搜索技术如何在现实中应用，增强观众理解
前沿技术进展：介绍 Agentic RAG 的最新进展，帮助听众了解技术的未来发展趋势
技术问题与解决方案：不仅指出各项技术的实际痛点，还提供了相应的解决策略，使内容更加实用
综合性讨论：涵盖从文本向量化到问答大模型的多个技术层面，提供全方位的知识视角
听众收益
深入了解 AI 搜索大模型的核心技术和应用场景，掌握最新的行业动态和技术趋势
学习如何将大模型技术应用于实际业务中，解决传统搜索难以应对的问题，提升系统的智能化水平
开拓新的思路和方法，了解如何结合传统技术和大数据处理，实现高效的搜索解决方案
了解当前领域的技术挑战，为未来在 AI 搜索领域的研究和实践提供指引