随着AI原生应用的兴起，购物体验正从传统的页面和信息流浏览转向由大型语言模型（LLM）代理驱动的意图驱动体验。当前的设计通常将LLM包裹在现有的搜索和推荐管道中，这使得复杂意图只能通过低带宽的检索或排序接口实现，从而导致语言理解与商品空间履行之间的鸿沟。
生成推荐为LLM提供了一个直接的商品空间接口，通过语义ID（SID）进行操作，但现有模型主要生成检索候选，而非将灵活的意图转化为商品空间结果。为了解决这一瓶颈，我们提出了ShopX，旨在将意图理解、执行计划和灵活的SID原生商品空间操作统一为一个单一的基础模型。
我们通过一个模型原生的商品履行框架在代理购物工作流中部署ShopX，该框架定义了模型面向的动作协议，并暴露了上下文访问、目录基础和状态管理的支持面。在此框架内，ShopX计划并组合基于SID的商品空间操作，如SID束搜索检索、列表排序或产品捆绑。这种模型中心设计减少了代理协调与商品空间执行之间的损失性交接。
为了构建ShopX，我们设计了语义可恢复的、可操作的LLM SID，并制定了一种训练方案，使通用LLM能够灵活多轮商品空间履行，同时保留购物代理所需的知识和指令跟随能力。我们在单轮和多轮履行任务中评估了ShopX框架，任务来源于匿名的淘宝生产日志，结果显示，模型原生履行改善了整体框架行为，尤其是在复杂或模糊请求上表现更佳。
博主点评： ShopX模型的提出，标志着意图理解与商品履行之间的深度融合，展现了LLM在实际应用中的巨大潜力。通过优化商品空间操作，ShopX能够处理复杂请求，极大提升了用户体验，未来在电商领域有望引领新一轮变革。