微观视角订单调度是把每批次中的可用司机匹配到乘客订单的核心任务。传统工业方案采用预测‑价值‑匹配的多阶段流程，然而各阶段优化的目标不一致，单阶段提升未必提升整体调度质量。我们将该任务形式化为生成式匹配问题，提出 GenMatch——首个在真实生产环境中部署的端到端生成式匹配框架。GenMatch 面临三大挑战：① 每批次构成动态稀疏二分图，需要高效的批量结构编码；② 手工价值函数被统一的业务效用学习所取代，需要从异构反馈中学习统一的效用；③ 直接生成匹配结果必须跟踪匹配状态，因为每选出一对订单‑司机后剩余候选集合会变化。为此，GenMatch 设计了 Context‑Aware Bipartite Encoder、Business‑Aware Utility Learner 和 State‑Aware Pointer Decoder，分别负责图编码、效用学习和状态感知的指针解码。离线实验和在滴滴国际五座城市的线上 A/B 测试均显示相较于竞争基线有显著提升，验证了 GenMatch 在工业订单调度中的有效性与可行性。
博主点评：GenMatch 将生成式模型引入调度场景，解决了跨阶段目标不一致的问题，展示了端到端学习在大规模实时系统中的潜力。