今年，KDD 2024 OAG-Challenge Cup 的三道赛题，提出的是针对学术数据挖掘领域中的论文同名消歧、论文源头追溯、学术论文检索三个经典难题。团队同学创新性地采用大模型来解决这三个问题，他们基于大模型，提出自反馈增强、嫁接学习等技术，在效果上显著优于其他队伍，在排行榜上均取得较大领先。
图2 PST Solution by BlackPearl在（AQA学术论文问答任务）任务中，带有复杂噪声的数据是该任务的主要难点。GPT4等开源大模型因为噪声问题，在场景文本搜索方面输出结果完全不可用。团队利用LLM For Vector及Boosting技术在文本搜索场景实践，提出集成召回、排序的Boosting LLM For Searching方案，在指标上全面超越基于传统文本嵌入方式的搜索方案，有效将LLM具备的语义理解能力迁移至场景文本搜索任务，解决了学术搜索场景的噪声问题。
图3 AQA Solution by BlackPearlBlackPearl团队开源了全部解决方案代码供研究者交流学习，并提交了解决方案的论文，团队成员将在巴塞罗那举行的 KDD 2024 上展示报告其研究成果。后续，美团技术团队公众号将陆续发布这三道赛题的技术解读，敬请期待。未来，大众点评App将不断深入探索大模型技术，充分挖掘其内在潜力，通过先进AI技术产品化，使大众点评能够更精准地服务于用户，努力让AI帮大家更懂美食，更会生活。
