# LIGER – Meta AI 等机构推出的混合检索模型

- Link: https://paooo.com/aigc-news/23194/
- Published: 2026-06-09T03:07:01+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 先生成有限候选，再用密集检索精排，兼顾检索效率与推荐准确率。
 * 通过语义ID与文本表示融合，弥合生成式检索和密集检索的性能差距。
 * 对冷启动项目更友好，适合电商、内容平台、社交和在线教育推荐。

## LIGER是什么

LIGER是Meta AI等机构推出的混合检索模型，结合生成式检索和密集检索的优点。LIGER用生成
式检索模块生成有限的候选项目集，基于密集检索对候选项目进行排序和优化，保留生成式
检索在存储和推理效率上的优势，提高了推荐性能，特别是在处理冷启动项目时表现出色。
LIGER基于将语义ID和项目文本表示作为输入，预测下一个项目的语义ID和文本表示，有效地
弥合生成式和密集检索之间的性能差距，为推荐系统提供高效且准确的解决方案。

阅读目录

 * [LIGER是什么](https://paooo.com/aigc-news/23194/#liger%e6%98%af%e4%bb%80%e4%b9%88)
 * [LIGER的主要功能](https://paooo.com/aigc-news/23194/#liger%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [LIGER的技术原理](https://paooo.com/aigc-news/23194/#liger%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [LIGER的项目地址](https://paooo.com/aigc-news/23194/#liger%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [LIGER的应用场景](https://paooo.com/aigc-news/23194/#liger%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![LIGER](https://paooo.com/wp-content/uploads/2026/06/LIGER-website1-1.avif)

## LIGER的主要功能

 * **高效生成候选项目**：基于生成式检索模块，快速生成有限的候选项目集，减少需要进行
   密集检索的项目数量，提高检索效率。
 * **优化候选项目排序**：用密集检索对生成的候选项目进行排序和优化，确保推荐结果的
   准确性和相关性，提升用户体验。
 * **处理冷启动项目**：有效生成和推荐冷启动项目，解决新项目缺乏历史交互数据导致的
   推荐难题，增强推荐系统的鲁棒性。
 * **结合语义信息**：基于语义ID和项目文本表示，深入挖掘项目的语义信息，增强对项目
   内容的理解，提高推荐的精准度。

## LIGER的技术原理

 * **生成式检索模块**：基于Transformer的生成模型，根据用户的交互历史和项目特征，
   生成候选项目的语义ID序列。基于语义ID表示项目的语义信息，减少对每个项目单独嵌入
   的需求。
 * **密集检索模块**：在生成的候选项目集上应用密集检索技术，用项目的文本表示和语义
   ID，计算候选项目与目标项目的相似度，对候选项目进行排序和优化，选出最相关的项目
   进行推荐。
 * **多目标优化**：在训练过程中，同时优化生成式检索和密集检索的目标函数，基于最小
   化生成式检索的预测误差和最大化密集检索的相似度，让模型在生成候选项目和优化排序
   方面都表现出色。
 * **融合语义ID和文本表示**：将语义ID和项目文本表示作为输入特征，基于编码器和解码
   器的协同工作，生成项目的嵌入表示，同时预测下一个项目的语义ID和文本表示，实现生成
   式和密集检索的有效融合。

## LIGER的项目地址

 * **arXiv技术论文**：[https://arxiv.org/pdf/2411.18814](https://arxiv.org/pdf/2411.18814)

## LIGER的应用场景

 * **电商平台**：基于用户购物历史和偏好，生成并优化商品候选集，提供个性化推荐，提升
   购物体验和转化率。
 * **内容平台**：根据用户阅读习惯，生成相关文章候选集并排序，推荐最感兴趣的文章，
   增加用户阅读时长和平台粘性。
 * **社交媒体**：分析用户社交关系和互动，生成潜在好友候选集并排序，推荐可能成为好友
   的人，增强社交体验和网络拓展。
 * **在线教育平台**：依据学生学习历史和兴趣，生成并优化课程候选集，推荐最适合的课程，
   提高学习效果和教学质量。

❓ 常见问题解答（FAQ）

LIGER混合检索模型有什么优势？

LIGER把生成式检索和密集检索结合起来：前者负责快速生成有限候选，后者负责对候选进行
排序优化。这样既保留了存储和推理效率，又提升了推荐准确率，尤其适合冷启动项目。

LIGER为什么适合冷启动推荐？

因为它不完全依赖历史交互数据，而是利用语义ID和项目文本表示来生成候选并进行精排。
即使新项目缺少行为数据，也能基于语义信息进入推荐流程，提升冷启动场景下的可推荐性。

LIGER适用于哪些推荐场景？

LIGER适合需要高效候选生成和精排的推荐系统，包括电商商品推荐、内容平台文章推荐、社交
媒体好友推荐以及在线教育课程推荐，能提升相关性、转化率和用户体验。

🔬 语宙深潜追问 · 进阶实操拆解

生成式检索和密集检索怎么分工？

生成式检索更适合快速扩展候选空间，尤其在长尾和冷启动场景；密集检索则负责语义相似
度精排。实战里通常先用生成式方法拉宽召回，再用向量相似度和业务特征重排，兼顾覆盖
率与准确率。

冷启动项目推荐如何验证效果？

不要只看点击率，最好同时看首日留存、探索覆盖和新物品曝光占比。上线前可用离线回放
加小流量灰度，重点观察新用户、新内容和新商品是否真正被系统“看见”。

🗳️ 读者观点微投票 · 您的实战立场是？

混合检索推荐最该先押注哪一段？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [AutoRAG – 中科院开源的自主迭代检索模型](https://paooo.com/aigc-news/23376/)
 * [Search-o1 – 人大联合清华推出自主知识检索增强的推理框架](https://paooo.com/aigc-news/22976/)
 * [HybridRAG – 黑石联合英伟达推出的混合检索增强生成架构](https://paooo.com/aigc-news/27397/)
 * [RecGPT：淘天百亿参数大模型重塑电商推荐，点击量两位数增长背后的AI引擎](https://paooo.com/aigc-news/14579/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/23194/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)