本文介紹了一款名為 IPL 的智慧商品資訊生成系統,旨在解決 C2C 電子商務平台中個人賣家面臨的商品資訊撰寫困難問題。不同於 B2C 平台,C2C 平台上的個人賣家通常缺乏電商經驗,難以撰寫出優質的商品描述。IPL 系統利用多模態大型語言模型 (MLLM) 的最新進展,根據賣家上傳的商品圖片自動生成商品描述,從而簡化商品發布流程。
IPL 系統的核心是一個經過特定領域知識訓練的 MLLM 模型。研究團隊利用閒魚平台上的真實商品資訊對模型進行微調,使其能夠生成符合 C2C 平台風格的商品描述。此外,系統還採用了多模態資訊檢索增強生成 (RAG) 技術,通過檢索與待發布商品相似的商品資訊,為模型提供更豐富的參考資訊,進一步提升生成描述的準確性和資訊豐富度。
為了評估 IPL 系統的效能,研究團隊進行了多項實驗,結果顯示,經過特定領域知識訓練的模型在理解領域知識和生成符合 C2C 平台風格的商品描述方面顯著優於未經訓練的模型。線上 A/B 測試結果表明,IPL 系統獲得了較高的用戶接受度,72% 的用戶願意繼續編輯系統自動生成的商品描述,其中超過 32% 的用戶採用了超過 50% 的生成內容。此外,使用 IPL 系統自動生成商品描述的商品,其整體品質評分比未使用該功能的同類商品高出 5.6%。
IPL 系統的成功開發和部署,為解決 C2C 平台上個人賣家商品資訊撰寫難題提供了一種有效的解決方案。未來,研究團隊計劃進一步優化 IPL 系統,例如,將個人化用戶發布風格融入到核心屬性模板中,以及提升長尾類別商品描述的生成準確性,以期進一步提升系統的採用率,幫助用戶更高效地生成高品質的商品描述。
翻譯成其他語言
從原文內容
arxiv.org
深入探究