ShopX erklärt: Nativer Intent-to-Item-Abschluss für agentisches Einkaufen
Beim Einkaufen entfernt man sich von kurzen Keyword-Abfragen hin zu vollständigen Absichtserklärungen. Anstatt „wasserdichte Turnschuhe“ zu tippen, beschreibt ein Nutzer möglicherweise eine gesamte Situation: > „Ich mache dieses Wochenende einen Ausflug in einen Freizeitpark. Ich möchte ein Outfit, das auf Fotos gut aussieht, nach einem ganzen Tag Laufen bequem bleibt und leichtem Regen standhält.“ Diese Anfrage enthält weit mehr als nur eine Produktkategorie. Sie umfasst ein Ziel, visuelle Vorlieben, Wetterbedingungen, Komfortanforderungen und ein implizites Bedürfnis nach ...
ShopX: Ein modellnatives Grundlagenmodell für agentisches Einkaufen
Einleitung
Das Einkaufen entfernt sich von kurzen Stichwortsuchen und entwickelt sich hin zu vollständigen Absichtserklärungen.
Statt "wasserfeste Sneaker" einzutippen, beschreibt ein Nutzer möglicherweise eine ganze Situation:
"Ich fahre dieses Wochenende in einen Freizeitpark. Ich möchte ein Outfit, das auf Fotos gut aussieht, nach einem ganzen Tag Laufen bequem bleibt und leichten Regen aushält."
Diese Anfrage enthält viel mehr als nur eine Produktkategorie. Sie umfasst ein Reiseziel, visuelle Vorlieben, Wetterbedingungen, Komfortanforderungen und die implizite Notwendigkeit mehrerer zusammenpassender Artikel.
Die Schwierigkeit steigt im nächsten Schritt:
"Diese Schuhe gefallen mir. Zeig mir ähnliche Optionen, aber mach sie weicher."
Ein nützliches System muss sich merken, auf welche "diese" Schuhe verwiesen wird, warum der Nutzer sie mochte und ob der Ersatz noch zum ursprünglichen Freizeitpark-Szenario passt.
Viele aktuelle KI-Einkaufssysteme verwenden ein großes Sprachmodell, um die Anfrage zu verstehen, und übergeben dann eine komprimierte Abfrage an eine externe Such- und Ranking-Pipeline. Bei dieser Übergabe kann eine umfangreiche Anfrage auf ein paar Stichwörter und Filter reduziert werden. Das ShopX-Team beschreibt dieses Problem als Schnittstellenverlust.
ShopX wurde entwickelt, um diesen Verlust zu reduzieren, indem das Modell eine direkte, strukturierte Möglichkeit erhält, innerhalb des Produktkatalogs zu arbeiten. Anstatt nur als Gesprächsebene um Suchwerkzeuge zu fungieren, kann das Modell durch produktnative Darstellungen planen, abrufen, bewerten, vergleichen, bündeln, erklären und Zustände aktualisieren.
Hintergrund: Warum werkzeugvermitteltes Einkaufen Kontext verliert
Traditionelle E-Commerce-Systeme sind stark für Abruf und Bewertung optimiert. Sie funktionieren gut, wenn die Anfrage als Suchbegriff, eine Reihe von Filtern oder ein kategoriespezifisches Ziel dargestellt werden kann.
Agentisches Einkaufen schafft ein anderes Problem.
Der Nutzer fragt nicht mehr nach einem einzigen Suchergebnis. Er kann das System auffordern:
- Eine reale Situation zu interpretieren
- Mehrere weiche Einschränkungen abzuwägen
- Vorlieben aus früheren Interaktionen zu merken
- Alternativen zu vergleichen
- Komplementäre Artikel zusammenzustellen
- Nur einen Teil einer bestehenden Empfehlung anzupassen
- Zu erklären, warum die endgültige Auswahl der Anfrage entspricht
Eine werkzeugvermittelte Pipeline trennt diesen Prozess typischerweise in mehrere Stufen:
- Das Sprachmodell interpretiert die Anfrage.
- Es formuliert die Absicht als Suchanfrage um.
- Ein Abrufdienst erzeugt Kandidaten.
- Ein Bewertungssystem
ordnet die Kandidaten.
5. Das Modell wandelt die Ergebnisse in eine konversationelle Antwort um.
Jede Stufe kann für sich allein stark sein, aber die Schnittstellen zwischen ihnen sind eng. Eine nuancierte Abwägung wie „bequem genug für ganztägiges Gehen, aber dennoch visuell unverwechselbar“ überlebt möglicherweise nicht als herkömmlicher Filter. Eine Beziehung wie „ähnlich wie der vorherige Schuh, aber weicher“ wird möglicherweise auf generische Ähnlichkeit reduziert.
Das Problem wird über mehrere Durchläufe hinweg sichtbarer. Wenn jeder Durchlauf
einen neuen Suchvorgang startet, kann das System zuvor akzeptierte Produkte, die ursprünglichen Szenarioeinschränkungen oder die Gründe für das Feedback des Nutzers verlieren.
ShopX geht von einer anderen Annahme aus: Das Modell sollte direkt innerhalb eines strukturierten Produktraums arbeiten, anstatt sein Verständnis kontinuierlich in externe Suchbefehle zu übersetzen.
ShopX: Ein Modell-natives Erfüllungs-Framework
ShopX kombiniert ein zentrales Basismodell mit einem leichten Serving-Harness.
Das Modell folgt einer vierstufigen Interaktionsschleife:
- Planen – die Absicht des Nutzers interpretieren und bestimmen, welche Operationen im Produktraum erforderlich sind.
- Ausführen – Retrieval, Ranking, Vergleich, Erweiterung oder Bündelungsoperationen durchführen.
- Erfüllen – fundierte Produkte zusammen mit einer natürlichsprachlichen Antwort zurückgeben.
- Aktualisieren – neue Zustände, akzeptierte Artikel und Präferenzänderungen für den nächsten Durchlauf speichern.
Der Serving-Harness stellt drei Kernunterstützungsflächen bereit:
- Kontextzugriff für Nutzerprofile, Verlauf und relevante Verhaltenssignale
- Katalogverankerung für die Zuordnung von Semantic IDs zu echten Produkten
- Zustandsverwaltung für die Beibehaltung von Auswahlmöglichkeiten und Einschränkungen über Durchläufe hinweg
Drei Erfüllungsmodi
Das Framework unterstützt drei grundlegende Einkaufsmuster.
Intent-zu-Artikel-Erfüllung
Für eine klare Einkaufsanfrage übersetzt ShopX die vollständige Absicht direkt in einen fundierten Satz von Produkten.
Dies kann mehr umfassen als das Abrufen einer einzelnen Kategorie. Eine Anfrage für ein komplettes Rennrad-Setup könnte Helme, Handschuhe und andere ergänzende Produkte in einem koordinierten Ergebnis erfordern.
Kontextangereicherte Personalisierung
Wenn die Anfrage vage ist, nutzt das Modell Profil- und Verhaltenskontext, um abzuleiten, was wichtig ist.
Zum Beispiel könnte „Finde etwas Passendes für meinen Arbeitsweg“ Hinweise auf Wetter, Reise
Methode, bevorzugter Stil, frühere Käufe und Preissensitivität.
Zustandsbehaftete Mehrfach-Konversationsabwicklung
Wenn der Benutzer eine frühere Empfehlung ändert, aktualisiert ShopX den aktiven Einkaufszustand, anstatt den gesamten Plan zu verwerfen.
Dadurch kann das System akzeptierte Produkte und frühere Einschränkungen beibehalten, während nur der Teil geändert wird, der von neuem Feedback betroffen ist.
Produktraumorientierte Operationen
ShopX beschränkt sich nicht darauf, eine Abfolge von Produkt-IDs zu erzeugen. Das Papier beschreibt eine breitere Palette von Operationen:
- Semantische ID-Beam-Suche und Abruf
- Listenbasiertes Ranking
- Erweiterung auf Basis von Startprodukten
- Abruf ähnlicher und substituierbarer Artikel
- Bündelung komplementärer Produkte
- Kategorieübergreifende Outfit- oder Ausrüstungszusammenstellung
- Produktvergleich
- Verwobene Text- und Produktantworten
- Klärungsfragen
- Aktualisierungen von Präferenzen und Zuständen
Ziel ist es, das Modell für den gesamten Pfad von der Benutzerabsicht bis zu einem brauchbaren, katalogbasierten Ergebnis verantwortlich zu machen.
Semantische IDs: Dem Modell eine Produktsprache beibringen
Ein zentraler Bestandteil von ShopX ist die Semantische ID (SID).
Eine normale Datenbankkennung trägt wenig Bedeutung. Sie teilt dem System mit, welchen Datensatz es abrufen soll, doch die Kennung selbst verrät nicht, ob es sich um einen Laufschuh, eine pastellfarbene Jacke, eine wasserdichte Tasche oder einen Fahrradhelm handelt.
ShopX fügt dem Wortschatz des Modells strukturierte Produkt-Token hinzu. Diese Token sind um zwei Anforderungen herum gestaltet:
- Wiederherstellbarkeit: Die SID sollte genügend Informationen bewahren, um nützliche Produktsemantiken wie Kategorie, Attribute und Stil abzuleiten.
- Operabilität: Die Darstellung sollte mit autoregressiver Generierung kompatibel sein und dem Modell ermöglichen, Produkte durch Token-Sequenzen abzurufen und zu manipulieren.
Stufe 1: Multimodale Produktdarstellung
ShopX verwendet Qwen3-VL-Embedding-2B, um Produktinformationen aus mehreren Quellen zu kodieren:
- Produktbilder
- Titel
- Strukturierte Attribute
Die Darstellung enthält:
- Einen globalen Vektor für grobes Routing und Identifikation auf hoher Ebene
- Mehrere lokale Vektoren für detaillierte Eigenschaften
Das Training kombiniert eine Überwachung äquivalenter Produkte mit einem abgeschwächten InfoNCE-Contrastive-Ansatz. Das System verwendet auch Rekonstruktionssignale, sodass die gelernte Darstellung mit Kategorie-, Attribut- und Beschreibungsinformationen verbunden bleibt.
Stufe 2: Hybrides Codebook-Quantisierung
Die endgültige SID kombiniert globale und lokale Codes:
- Ein zwei-stufiges globales Präfix auf Basis von Residualquantisierung sorgt für stabiles Routing.
- Ein vier-stufiges lokales Suffix fügt detailliertere semantische Unterscheidungen hinzu.
- Jedes Codebook enthält 8.192 Einträge.
- Der Wortschatz des Modells erhält rund 50.000 neue SID-Token.
Das hybride Design verbessert die Produktunterscheidung.
| SID-Entwurfskennzahl | Nur globaler Ansatz | Globaler + lokaler Ansatz |
|---|---|---|
| Durchschnittliche Produkte, die einer SID zugeordnet sind | 126,5 | 13,8 |
| SID-zu-Beschreibung ROUGE | 25,5 | 31,5 |
Die Verringerung der durchschnittlichen Anzahl von Produkten, die derselben SID zugeordnet sind, macht die Darstellung präziser. Gleichzeitig deutet die verbesserte Wiederherstellung von Beschreibungen darauf hin, dass die Codes mehr interpretierbare Produktinformationen enthalten.
Dies ist wichtig, da ShopX SIDs benötigt, um mehr als nur Abrufschlüssel zu sein. Das Modell muss über sie nachdenken, sie vergleichen, Bündel generieren und sie wieder mit der Benutzersprache verbinden können.
Vierstufiges Training: Mehr als nur SID-Vorhersage
Die Basismodelle sind Qwen3-4B und Qwen3-8B.
Das Training von ShopX besteht nicht einfach darin, Qwen3 beizubringen, neue Produkt-Tokens zu erzeugen. Wenn sich der Prozess zu stark auf SIDs konzentriert, kann das Modell zwar besser darin werden, Produkte zu finden, verliert aber möglicherweise an Gesprächsqualität, Befolgung von Anweisungen, Profilextraktion, Ranking oder Erklärungsfähigkeit.
Das Trainingsrezept umfasst daher vier Stufen.
Die Nachbereitungsphase besteht ebenfalls aus zwei Schritten: Der dritte Schritt umfasst SFT-Erfüllung und Expert SFT-Training, und der vierte Schritt ist die gemeinsame Optimierung von Multi-Teacher OPD+RL, die Lehrerpräferenzen, Regelbelohnungen und Schüleraktualisierungen kombiniert, um letztendlich das E-Commerce-Grundlagenmodell zu erzeugen. Dieser Prozess ist die Kernlösung für das ShopX-Modelltraining und entspricht der im Dokument erwähnten vierstufigen Trainingspipeline.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/72350678-1e95-4d9e-962e-648d5123ef7c-09c27f2c-4855-412d-b3d4-7f241540c536.png)
Stufe 1: SID-Ausrichtung
Das ursprüngliche Modell wird eingefroren, während die neu hinzugefügten SID-Embeddings trainiert werden.
Diese Stufe stellt eine wechselseitige Beziehung zwischen Produkttext und Produktcodes her. Das Modell lernt, Beschreibungen mit SIDs zu verbinden, bevor das breitere Domänentraining beginnt.
Die Ablationsstudie des Papiers zeigt, dass diese Ausrichtung ein notwendiger Vorbereitungsschritt ist. Das Überspringen schwächt das spätere kontinuierliche Vortraining.
Stufe 2: Kontinuierliches Domänenvortraining
Die nächste Stufe integriert E-Commerce-Wissen, einschließlich:
- Katalog-zu-SID-Beziehungen
- Absicht-zu-Artikel-Zuordnungen
- Verhalten-zu-Artikel-Signale
- Verständnis der Benutzerpräferenzen
- Produkt
Attribute und Beziehungen
Daten aus dem allgemeinen Bereich werden in den Trainingsdatensatz gemischt, um katastrophales Vergessen zu reduzieren. Das angegebene Verhältnis beträgt etwa 2:1 für Bereichsdaten zu allgemeinen Daten, mit insgesamt rund 114 Milliarden Tokens.
Stufe 3: Instruktions-Feintuning
Das Instruktions-Feintuning wandelt das Bereichswissen in nutzbare Einkaufs- und Agentenverhaltensweisen um.
Der Datensatz setzt sich in etwa wie folgt zusammen:
- 75 % allgemeine Instruktionsdaten, die das Befolgen von Anweisungen, mehrteilige Dialoge, Werkzeugnutzung, Mathematik und Programmierung abdecken
- 25 % E-Commerce-Daten, die die native SID-Erfüllung, das Kontextverständnis und Einkaufsgespräche abdecken
Der hohe Anteil allgemeiner Daten ist beabsichtigt. ShopX muss ein leistungsfähiges Sprachmodell bleiben und darf nicht zu einem eng fokussierten Produkt-Token-Generator werden.
Stufe 4: Multi-Teacher-Online-Destillation und Reinforcement Learning
In der letzten Stufe wird ein Problem angegangen, das das Team als Wippeffekt bezeichnet.
Die ausschließliche Optimierung der SID-Genauigkeit kann die Abrufung verbessern, während andere Fähigkeiten beeinträchtigt werden. Im dokumentierten Ablationsversuch fielen die Profilerstellung und das Ranking nach einem SID-nur-Feintuning auf Null.
Um dies zu vermeiden, werden die Trainingsbeispiele in fünf Aufgabenfamilien aufgeteilt. Jede Familie nutzt eine andere Kombination aus Lehrermodellen und Belohnungssignalen. Das System verbessert gemeinsam die Produkterfüllung, den Dialog, das Profilverständnis, das Ranking und die Erläuterung, ohne jede Fähigkeit durch eine einzige Belohnung zu erzwingen.
Die Ablationsergebnisse zeigen, dass die Einführung mehrerer Lehrer und Belohnungen die verschiedenen Dimensionen wiederherstellen und verbessern kann, ohne das gleiche Maß an Interferenzen zu verursachen.
Experimentelle Ergebnisse
ShopX wird mit drei werkzeugvermittelten Agentensystemen verglichen:
- Chat-REC
- RecMind
- InteRecAgent
Alle drei Basislinien verwenden Qwen3-8B zusammen mit dem Produktionssuchdienst von Taobao. Dies ist ein wichtiges Detail: Die Basislinien sind nicht mit einem schwachen oder experimentellen Retrieval-Backend verbunden. Sie verwenden ein ausgereiftes Such- und Rankingsystem, das für einen Marktplatz entwickelt wurde, der eine sehr große Nutzerbasis bedient.
Evaluierungsdaten
Die Evaluierung auf Rahmenebene verwendet anonymisierte Taobao-Protokolle:
| Evaluierungsset | Anzahl der Beispiele |
|---|---|
| Einmalige Einkaufsanfragen | 279 |
| Mehrteilige Einkaufsgespräche | 80 |
Die Evaluierung verwendet rubric-basiertes LLM-Judging über
acht Dimensionen hinweg. Fünf der am meisten unterscheidenden Metriken sind:
- Absichtserfüllung: ob die Anfrage in ein zufriedenstellendes Produktergebnis umgesetzt wird
- Artikelgenauigkeit: ob die Produkte den angeforderten Kategorien entsprechen
- Einschränkungsverankerung: ob explizite Anforderungen befolgt werden
- Feedback-Anpassung: ob späteres Feedback das Ergebnis ändert, ohne akzeptierte Präferenzen zu verlieren
- Referenz zwischen den Gesprächsrunden: ob Verweise auf frühere Produkte korrekt aufgelöst werden
Wichtige Framework-Ergebnisse
| System | Absichtserfüllung | Artikelgenauigkeit | Bindung an Einschränkungen | Feedback-Anpassung | Übergreifende Verweise |
|---|---|---|---|---|---|
| ShopX-8B | 69,2 | 95,0 | 76,4 | 71,5 | 68,3 |
| Chat-REC | 72,2 | 94,0 | 74,8 | 59,8 | 47,5 |
| RecMind | 63,6 | 91,2 | 75,6 | 62,9 | 42,1 |
ShopX liegt bei der einstufigen Absichtserfüllung leicht hinter Chat-REC: 69,2 gegenüber 72,2. Dies zeigt, dass ein toolgestützter Agent mit einer leistungsstarken Produktsuch-Engine bei direkten Anfragen wettbewerbsfähig bleibt.
Der größere Vorteil zeigt sich bei der zustandsbehafteten Interaktion:
- Feedback-Anpassung ist 11,7 Punkte höher als bei Chat-REC.
- Übergreifende Verweise sind 20,8 Punkte höher als bei Chat-REC.
Dies sind genau die Szenarien, in denen sich Grenzflächenverluste tendenziell anhäufen. Wenn der Benutzer Feedback gibt, sich auf frühere Produkte bezieht oder mehrere weiche Einschränkungen aktiv hält, bewahrt die modellnative Erfüllung mehr des ursprünglichen Einkaufszustands.
Analyse auf Fähigkeitsebene
Im Vergleich zum Basismodell Qwen3-8B verbessert ShopX mehrere einkaufsspezifische Fähigkeiten.
| Fähigkeit | Qwen3-8B | ShopX | Veränderung |
|---|---|---|---|
| Beziehungsdenken bei Produkten | 28,3 | 49,7 | +21,4 |
| Extraktion von Belegen aus Verhaltenssequenzen | 16,1 | 52,7 | +36,6 |
| Extraktion von Profilbelegen | 52,9 | 76,9 | +24,0 |
| Wiederherstellung der Produktbeschreibung aus SID | 10,1 | 33,2 | +23,1 |
Das Modell behält oder verbessert auch mehrere allgemeine Fähigkeiten:
| Benchmark | ShopX-Punktzahl | Veränderung zu Qwen3-8B |
|---|---|---|
| BBH | 74,1 | +0,9 |
| CMMLU | 75,8 | +1,6 |
| GSM8K | 88,6 | +0,4 |
| MBPP+ | 83,1 | +8,0 |
Einige schwierige allgemeine Benchmarks sinken:
| Benchmark | ShopX-Punktzahl | Veränderung zu Qwen3-8B |
|---|---|---|
| IFEval | 78,4 | -3,5 |
| MMLU-Pro | 59,3 | -3,6 |
| MATH-500 | 59,6 | -16,6 |
| GPQA-Diamond | 41,4 | -6,1 |
Die Ergebnisse deuten darauf hin, dass Domänenspezialisierung nicht kostenlos ist. ShopX erzielt große Verbesserungen beim Produktverständnis und bei Belegen
在困难数学、科学及大量指令型任务中牺牲部分性能的情况下进行抽取。
对于购物模型而言，这或许是可接受的权衡，但它仍是一个重要的部署考量因素。
案例分析
原始报告包含了将 ShopX 与工具辅助基线进行比较的并列示例。
案例 1：单轮捆绑订单满足
用户同时请求购买一顶女式骑行头盔和骑行手套。
传统智能体可能只关注主要产品类别，在获取头盔时对手套的覆盖不足。每次搜索结果可能各自相关，但完整的购物请求仅得到部分满足。
ShopX 则跨两个类别进行规划，为每个类别检索产品，并在一次回应中返回协调好的捆绑产品。
该案例展示了一个重要区别：
- 项目相关性关注每件产品是否各自合适。
- 意图满足关注完整集合是否解决了用户的购物任务。
一系列优秀的头盔并不能满足对手套与头盔捆绑产品的请求。
案例 2：有状态的多轮购物
在第二个案例中，用户正在为汽车内饰寻找装饰品。
在几轮交互中，用户添加了风格偏好，并根据之前的推荐要求进行更改。一个工具辅助智能体反复将最新请求解释为全新搜索，最终偏离了最初的汽车内饰背景。
ShopX 保持活跃状态。它保留之前确定的场景和已接受偏好，然后根据新反馈更新推荐。
![该图像展示了 ShopX-BB 和 ChatRec 在汽车内饰购物场景中的对话示例。左侧是 ShopX-BB 的对话，用户询问装饰品，ShopX-BB 推荐了多种产品，如汽车香水、挂饰等。右侧是 ChatRec 的对话，用户同样询问装饰品，ChatRec 只推荐了汽车香水。底部的红框总结了机制，指出风格反馈应更新计划，但不应偏离最初的购物场景。该图像与上下文密切相关，直观地显示了差异。]
zwischen den beiden bei der Abwicklung mehrstufiger Einkaufsdialoge.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/06c6d08d-4595-450e-bdb8-8cab6d987e98-c3787787-63cf-479d-8141-33525a0e0db4.png)
Das Ziel ist nicht, dieselben Produkte ewig zu wiederholen. Es geht darum, zwischen Einschränkungen, die stabil bleiben sollten, und Details, die der Benutzer explizit geändert hat, zu unterscheiden.
Warum ShopX für den agentischen Handel wichtig ist
ShopX spiegelt einen breiteren Wandel im KI-Handel wider.
Die erste Generation von Einkaufsassistenten fügte bestehenden Suchsystemen meist nur eine natürlichsprachliche Schnittstelle hinzu. Das Sprachmodell erklärte, fasste zusammen und rief Tools auf, während die zentrale Suchlogik außerhalb des Modells blieb.
ShopX integriert mehr Ausführungsschritte direkt in das Modell selbst.
Dieses Design bietet mehrere potenzielle Vorteile:
- Umfangreiche Absichten müssen nicht in eine einzelne Abfrage komprimiert werden.
- Produktbeziehungen können als Teil der Planung behandelt werden.
- Kategorieübergreifende Kombinationsempfehlungen können erstellt werden.
- Benutzerfeedback kann den persistenten Zustand aktualisieren.
- Frühere Empfehlungsergebnisse können direkt referenziert werden.
- Durch die SID-Zuordnung basieren Antworten weiterhin auf echten Produktkatalogen.
Dies bringt auch neue technische Anforderungen mit sich.
Ein Produktionssystem benötigt weiterhin:
- Zuverlässige Katalog-Synchronisation
- Bestands- und Verfügbarkeitsprüfungen
- Echtzeit-Preisaktualisierungen
- Strategie- und Sicherheitskontrollen
- Bewertungen anhand echter Benutzerergebnisse
- Schutz von Benutzerprofilen und Verhaltensdaten
- Überwachung fehlerhafter Produktzuordnungen
- Klare Unterscheidung zwischen Empfehlungs- und Transaktionsrechten
ShopX löst das Problem von der Absicht zum Produkt. Es selbst befasst sich nicht mit Zahlung, Abrechnung, Logistik, Retouren, Händlerbonität oder anderen Ebenen des agentischen Handels.
Team und Forschungshintergrund
Die Forschung stammt aus der Zusammenarbeit mehrerer Teams, darunter die KI-Suchorganisation von Taobao und Tmall, die Teams für Empfehlungen und Content-Verständnis, Alibabas Token Foundry und das ROLL-Verstärkungslern-Team.
Ihr breiteres Forschungsfeld umfasst:
- KI-Suche und agentischer Einkauf
- Verständnis natürlicher Sprachabsichten
- Mehrstufige Klärung und Ausführung
- Generative Empfehlungen
- Semantische IDs und multimodale Inhalte von Produkten
- Multimodales Repräsentationslernen
- Großflächiges Verstärkungslernen für Einkaufsagenten
Die Arbeit wurde am 30. Juni 2026 bei arXiv eingereicht, mit dem Titel „ShopX: Ein Basismodell für absichtsbasierte Produktausführung im agentischen Einkauf.“
Häufig gestellte Fragen
Was ist ShopX?
ShopX ist ein E-Commerce-Basismodell, das speziell für die modellnative Umsetzung von Absichten in Produkte entwickelt wurde. Es vereint Absichtsverständnis, Planung, Produktsuche, Sortierung, Kombinationsempfehlungen, Vergleiche und mehrstufige Statusaktualisierungen in einem Einkaufsrahmen.
Was ist der Schnittstellenverlust beim KI-Einkauf?
Ein Schnittstellenverlust tritt auf, wenn eine detaillierte, natürlichsprachliche Einkaufsanfrage auf eine begrenzte Anzahl von Suchbegriffen, Filtern oder Tool-Aufrufen komprimiert wird. Weiche Einschränkungen, Produktbeziehungen, frühere Präferenzen und Kontext können bei der Übergabe abgeschwächt oder verloren gehen.
Was sind semantische IDs in ShopX?
Eine semantische ID ist eine strukturierte Token-Sequenz, die ein Produkt im Vokabular des Sprachmodells repräsentiert. Die von ShopX entworfenen SIDs bewahren nützliche Produktsemantik, während sie sowohl für autoregressive Generierung als auch für Operationen im Produktraum geeignet sind.
Welches Basismodell verwendet ShopX?
Die Arbeit beschreibt ShopX-Varianten basierend auf Qwen3-4B und Qwen3-8B. Qwen3 bietet allgemeine Sprach-, Denk-, Dialog- und Agentenfähigkeiten, die an die E-Commerce-Ausführung angepasst sind.
Ist ShopX besser als herkömmliche suchbasierte Einkaufsagenten?
Das hängt von der Aufgabe ab. Bei der einstufigen Absichtserfüllung ist Chat-REC etwas besser als ShopX, aber bei der Anpassung an Feedback und bei produktübergreifenden Referenzen schneidet ShopX besser ab. Seine größte Stärke liegt in komplexen, zustandsbehafteten Dialogen.
Kann ShopX mehrere Produktkategorien zusammen empfehlen?
Ja. Das Framework unterstützt Bündelvorschläge und kategorieübergreifende Zusammenstellungen. Die Arbeit enthält ein Beispiel, in dem das Modell eine Anfrage nach sowohl einem Fahrradhelm als auch Fahrradhandschuhen in einem Schritt erfüllt.
Sind das ShopX-Modell oder der Quellcode öffentlich verfügbar?
Die Forschungsarbeit ist öffentlich auf arXiv verfügbar. Die geprüften offiziellen Quellen stellen weder einen öffentlichen ShopX-Modell-Checkpoint noch ein dediziertes ShopX-Quellcode-Repository bereit, daher ist hier kein Download-Link enthalten.
Führt ShopX Käufe durch?
Die Arbeit konzentriert sich auf die Umsetzung von Absichten in Produkte: Planen, Abrufen, Sortieren, Zusammenstellen und Verankern von Produktempfehlungen. Zahlung, Kasse, Logistik und After-Sales-Ausführung sind separate Systemebenen.
Verwandte Werkzeuge
- Qwen3: Die Familie offener Basismodelle, die als Grundlage für die ShopX 4B- und 8B-Varianten dient.
- Qwen3-VL-Embedding-2B: Das multimodale Einbettungsmodell zur Kodierung von Produktbildern, Titeln und Attributen.
- Qwen3-VL-Embedding GitHub: Offizieller Code und Nutzungsbeispiele für die multimodalen Einbettungs- und Neubewertungsmodelle von Qwen.
- ROLL: Alibabas Verstärkungslern-Framework für große Sprachmodelle und mehrstufiges Agententraining.
- Qwen Chat: Der
Offizielle Schnittstelle zur Erkundung der gesamten Qwen-Modellfamilie.
Weiterführende Links
- ShopX-Papier auf arXiv: Offizielle Zusammenfassung des Papiers, Autoren, Einreichungshistorie und PDF-Zugriff.
- ShopX-Papier PDF: Das vollständige technische Papier mit Architektur, Training, Evaluierung und Fallstudien.
- ShopX DOI: Der dauerhafte DOI-Eintrag für das Papier.
- Qwen3 Technischer Überblick: Offizielle Einführung in die Qwen3-Modellfamilie, die als Grundlage für ShopX dient.
- Qwen3 GitHub-Repository: Offizielle Modellinformationen, Gewichte und Bereitstellungsressourcen.
- Qwen3-VL-Embedding-2B Modellkarte: Offizielle Spezifikationen und Beispiele für das Produktkodierungsmodell.
- ROLL GitHub-Repository: Offizielle Infrastruktur für bestärkendes Lernen von Alibaba.
Zusammenfassung
ShopX wurde entwickelt, um die Lücke zwischen dem, was ein Sprachmodell versteht, und dem, was ein E-Commerce-System tatsächlich leisten kann, zu schließen. Es stattet das Modell mit einer produktnativen Sprache durch Semantische IDs aus und kombiniert Planung, Abruf, Sortierung, Bündelung, Grundlegung und Zustandsaktualisierungen in einem Framework.
Die Evaluierung zeigt, dass werkzeugvermittelte Systeme bei direkten Einzelanfragen weiterhin wettbewerbsfähig bleiben. ShopXs klarerer Vorteil zeigt sich, wenn der Einkaufsprozess gesprächsorientiert wird: Nutzer geben Feedback, beziehen sich auf frühere Produkte und erwarten, dass das ursprüngliche Szenario aktiv bleibt.
Die Ergebnisse zeigen auch die Kosten der Spezialisierung. Einkaufsspezifische Fähigkeiten verbessern sich erheblich, während einige schwierige allgemeine Denk- und Mathematikbenchmarks zurückgehen.
**ShopX’ zentraler
Beitrag ist nicht einfach eine bessere Produktsuche; es ist eine Modellarchitektur, die Einkäufe als einen kontinuierlichen Prozess von der Absicht zur Artikelauslieferung betrachtet.