For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh/articles/shopx-explained-model-native-intent-to.md.
购物正从简短的关键词查询转向完整的意图表达。用户不再输入“防水运动鞋”，而是会描述整个场景：>“我这周末要去主题公园。想要一套拍照好看、走一天路也舒服、还能防小雨的穿搭。”这样的请求远不止包含产品类别，还涉及目的地、视觉偏好、天气状况、舒适度要求以及隐含的…
购物正从短关键词搜索转向完整意图表达。
用户不再输入"防水运动鞋"，而是描述整个场景：
"我这周末要去游乐园。我想穿一套拍照好看、走一天不累、还能应付小雨的衣服。"
这个需求远不止一个产品类别。它包含了目的地、外观偏好、天气条件、舒适度要求，以及隐含的对多件搭配商品的需求。
而下一轮对话的难度更大：
"我喜欢这双鞋。给我推荐类似的，但要更软一些。"
一个实用的系统必须记住"这双"指的是哪双鞋、用户喜欢它们的原因，以及替换品是否仍符合原游乐园场景。
目前许多AI购物系统会使用大语言模型理解需求，然后将压缩后的查询传递给外部搜索和排序管道。在这个过程中，丰富的需求可能被压缩成几个关键词和筛选条件。ShopX团队将此问题称为接口损耗。
ShopX旨在通过赋予模型在产品目录中直接、结构化工作的能力来减少这种损耗。模型不再仅仅作为搜索工具周围的对话层，而是可以通过产品原生表示进行规划、检索、排序、比较、打包、解释和状态更新。
传统电商系统针对检索和排序进行了高度优化。当请求能以查询语句、筛选条件或品类目标的形式表示时，这些系统表现出色。
但代理式购物带来了不同的问题。
用户不再要求单一的搜索结果。他们可能要求系统：
工具中介型管道通常将此过程分为多个阶段：
对候选人进行排序。
每个环节本身可能功能强大，但它们之间的接口却很狭窄。像“适合全天行走，但视觉上依然独特”这样微妙的权衡，可能无法通过传统的筛选器保留下来。像“与之前的鞋子相似，但更柔软”这样的关系，可能会被简化为笼统的相似性。
在多次交互中，问题会变得更加明显。如果每次交互都重新开始搜索，系统可能会丢失之前已接受的商品、原始场景限制条件或用户反馈背后的推理逻辑。
ShopX 采用了一种不同的设想：模型应直接在结构化的商品空间中运行，而不是不断地将其理解转换为外部搜索指令。
ShopX 将一个核心基础模型与一个轻量级的服务框架相结合。
该模型遵循四个步骤的交互循环：
服务框架提供了三个核心支持界面：
该框架支持三种主要的购物模式。
针对明确的购物请求，ShopX 将完整的意图直接转换为基于实体的商品集。
这可能不仅仅涉及检索单一类别。例如，为一次完整的骑行装备请求，可能需要在一次协调的结果中返回头盔、手套和其他配套商品。
当请求含糊不清时，模型会利用用户画像和行为上下文来推断关键因素。
例如，针对“找点适合我通勤的东西”这样的请求，可能需要从天气、出行方式等线索中进行推断。
方法、偏好风格、历史购买记录及价格敏感度。
当用户修改先前推荐时，ShopX会更新当前购物状态，而非丢弃整份方案。
这使得系统在保留已接受商品和早期约束条件的同时，仅需更改受新反馈影响的部分。
ShopX不仅限于生成产品ID序列。该论文描述了一套更广泛的操作：
目标是让模型负责从用户意图到可用的、基于目录的成果的完整路径。
ShopX的核心是语义ID（SID）。
普通数据库标识符几乎没有实际含义。它能告诉系统检索哪条记录，但标识符本身并不揭示该商品是跑鞋、浅色夹克、防水包还是自行车头盔。
ShopX在模型词汇表中添加了结构化商品标记。这些标记围绕两个需求设计：
ShopX使用Qwen3-VL-Embedding-2B从多种来源编码产品信息：
表示包含：
训练结合了等价产品监督与软化的InfoNCE对比目标。系统还使用重建信号，使学习到的表示与类别、属性和描述信息保持关联。
最终的SID结合了全局和局部编码：
![该图展示了ShopX模型的架构。左侧为多向量表示阶段，产品上下文（图像、标题、属性）输入并由Qwen3-VL-Embedding-2B处理，生成全局+局部向量。中间为表示学习目标，包括对比目标和重建目标。右侧为混合码本量化阶段，包含全局残差量化（RQ-VAE）和局部向量量化，最终生成混合语义。]
ID。此图与上下文紧密相关，直观展示了模型从输入到输出的处理流程。](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/2718f029-5bdb-48f2-991d-bc2ecfc8934e-5cfa8a20-e436-4cb7-9437-ed94f9f5c4c6.png)
混合设计提升了商品区分度。
| SID设计指标 | 仅全局方法 | 全局+局部方法 |
|---|---|---|
| 每个SID关联的平均商品数 | 126.5 | 13.8 |
| SID到描述的ROUGE值 | 25.5 | 31.5 |
降低映射到同一SID的平均商品数，使表征更加精确。同时，描述恢复能力的提升表明这些编码保留了更多可解释的商品信息。
这很重要，因为ShopX需要SID发挥的作用不仅仅是检索键。模型必须基于它们进行推理、比较、生成组合，并连接回用户语言。
基础模型为Qwen3-4B和Qwen3-8B。
训练ShopX并非简单地教Qwen3生成新的商品标记。如果过程过度关注SID，模型在提升商品查找能力的同时，可能会损失对话质量、指令遵循、资料提取、排序或解释能力。
因此，训练过程分为四个阶段。
后训练阶段同样包含两个步骤：第三步是SFT完成和专家SFT训练，第四步是多教师OPD+RL联合优化，结合教师偏好、规则奖励和学生更新，最终生成电商基础模型。此过程是ShopX模型训练的核心方案，对应文档中提到的四阶段训练流程。](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/72350678-1e95-4d9e-962e-648d5123ef7c-09c27f2c-4855-412d-b3d4-7f241540c536.png)
原始模型保持冻结状态，仅训练新添加的SID嵌入。
此阶段建立商品文本与商品编码之间的双向关联。在更广泛的领域训练开始前，模型学习将描述与SID连接起来。
论文的消融研究表明，这种对齐是必要的准备步骤。跳过它会削弱后续的连续预训练效果。
下一阶段注入电商知识，包括：
将通用领域数据混入训练集，以减轻灾难性遗忘。据报道，领域数据与通用数据的比例约为2:1，总计约1140亿个词元。
指令微调将领域知识转化为可用的购物和智能体行为。
数据集大致包含：
高比例的通用数据是刻意为之。ShopX必须保持为一个强大的语言模型，而不是变成一个狭窄的产品词元生成器。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
最后阶段解决了团队称之为跷跷板效应的问题。
仅针对SID准确率进行优化，可在提升检索能力的同时损害其他能力。在报告的消融实验中，仅进行SID微调后，画像提取和排序能力降至零。
为避免这种情况，训练样本被分配到五个任务族中。每个任务族使用不同的教师模型和奖励信号组合。该系统共同提升了产品履行、对话、画像理解、排序和解释能力，而无需将所有能力通过单一奖励进行强制优化。
消融结果表明，引入多个教师和奖励可以恢复并提升不同维度的表现，且不会造成同等程度的干扰。
ShopX与三个基于工具的智能体系统进行了对比评估：
所有三个基线均使用Qwen3-8B与淘宝生产搜索服务。这是一个重要细节：基线系统连接的并非薄弱或实验性的检索后端，而是面向海量用户群体的成熟搜索排序系统。
框架级评估使用匿名化的淘宝日志：
| 评估集 | 样本数量 |
|---|---|
| 单轮购物请求 | 279 |
| 多轮购物对话 | 80 |
评估采用基于评分规则的LLM判定，涵盖
八个维度。其中五个最具区分度的指标为：
![雷达图展示了ShopX、ChatRec、RecMind和InteRecAgent四个系统在八个维度上的表现。维度包括意图履行、商品精度、排序质量、目录覆盖、个性化、约束落地、反馈适应和跨轮引用。每个维度用不同颜色的线条代表不同系统，如ShopX为红色实线，ChatRec为蓝色。]
各维度的评分范围也已标出，例如意图满足度从55%到75%。该图表紧密关联上下文，直观展示了各系统在不同维度上的表现。](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/9dd02e71-85ce-417d-bed7-cb1c9a39886b-6f3a4768-a10e-40fb-b5e1-b1227fe9b047.png)
| 系统 | 意图满足度 | 商品精确度 | 约束基础度 | 反馈适应度 | 跨轮引用 |
|---|---|---|---|---|---|
| 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在单轮意图满足度上略逊于Chat-REC：69.2对72.2。这表明，具备强大生产搜索后端、以工具为中介的智能体在直接请求处理上仍具竞争力。
其更大优势体现在状态交互方面：
这恰恰是界面损失容易累积的场景。当用户添加反馈、引用早期商品或同时保持多个软约束时，模型原生满足能力能保留更多原始购物状态。
与Qwen3-8B基础模型相比，ShopX在多项购物专用能力上有所提升。
| 能力 | Qwen3-8B | ShopX | 变化 |
|---|---|---|---|
| 产品关系推理 | 28.3 | 49.7 | +21.4 |
| 行为序列证据提取 | 16.1 | 52.7 | +36.6 |
| 画像证据提取 | 52.9 | 76.9 | +24.0 |
| 基于SID的产品描述还原 | 10.1 | 33.2 | +23.1 |
该模型还保留或提升了多项通用能力：
| 基准测试 | ShopX得分 | 相比Qwen3-8B的变化 |
|---|---|---|
| BBH | 74.1 | +0.9 |
| CMMLU | 75.8 | +1.6 |
| GSM8K | 88.6 | +0.4 |
| MBPP+ | 83.1 | +8.0 |
部分高难度通用基准测试有所下降：
| 基准测试 | ShopX得分 | 相比Qwen3-8B的变化 |
|---|---|---|
| IFEval | 78.4 | -3.5 |
| MMLU-Pro | 59.3 | -3.6 |
| MATH-500 | 59.6 | -16.6 |
| GPQA-Diamond | 41.4 | -6.1 |
结果表明，领域专业化并非没有代价。ShopX在产品理解和证据追踪方面取得了显著提升，
在牺牲部分数学、科学及强指令任务性能的前提下进行信息提取。
对于购物模型而言，这种权衡或许可以接受，但这仍是部署时的重要考量因素。
源报告通过对比案例展示了ShopX与工具辅助基准方案的差异。
用户同时请求女士骑行头盔和骑行手套。
传统智能体可能聚焦主要商品类别，检索多款头盔却对手套覆盖不足。虽然每项搜索结果单独看都相关，但完整的购物请求仅得到部分满足。
ShopX则跨品类规划，为每类商品检索产品，并在单轮交互中返回协调搭配的捆绑组合。
该案例揭示了重要区别：
一份优秀的头盔清单并不能满足头盔加手套的捆绑请求。
在第二个案例中，用户正在寻找汽车内饰装饰品。
经过多轮对话，用户逐渐添加风格偏好，并基于先前推荐提出修改要求。工具辅助智能体反复将最新请求解读为新搜索，最终偏离了汽车内饰的原始场景。
ShopX则维持活跃状态，保留已建立的场景和已接受的偏好，再根据新反馈更新推荐。
两者在处理多轮购物对话方面的表现。](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/06c6d08d-4595-450e-bdb8-8cab6d987e98-c3787787-63cf-479d-8141-33525a0e0db4.png)
目标不是永远重复相同的商品，而是区分需要保持稳定的约束和用户明确更改的细节。
ShopX反映了AI电商领域更广泛的转变。
第一代购物助手大多只是在现有搜索系统上添加了自然语言界面。语言模型负责解释、总结和调用工具，而核心检索逻辑仍停留在模型之外。
ShopX则将更多履约流程融入模型本身。
这种设计有几个潜在优势：
这也带来了新的工程要求。
一个生产系统仍然需要：
ShopX解决了从意图到商品的问题。它本身并不处理支付、结算、物流、退货、商家信用或代理电商的其他各个层面。
该研究来自多个团队的合作，包括淘宝和天猫的AI搜索组织、推荐与内容理解团队、阿里巴巴Token Foundry以及ROLL强化学习团队。
他们的更广泛研究领域包括：
该论文于2026年6月30日提交至arXiv，标题为**“ShopX：面向代理购物的意图到商品履约的基础模型。”**
ShopX是一个电商基础模型，专为模型原生的意图到商品履约而设计。它将意图理解、规划、产品检索、排序、组合推荐、比较以及多轮状态更新整合在一个购物框架内。
当一个详细自然语言购物请求被压缩成有限的查询、筛选条件或工具调用时，就会发生接口损失。软约束、产品关系、早期偏好以及场景上下文可能在交接过程中被削弱或丢失。
语义ID是一个结构化的令牌序列，代表语言模型词汇表中的产品。ShopX设计的SID能够保留有用的产品语义，同时适用于自回归生成和产品空间操作。
论文描述了基于Qwen3-4B和Qwen3-8B的ShopX变体。Qwen3提供了适应电商履约的通用语言、推理、对话和代理能力。
这取决于任务。在单轮意图履约上，Chat-REC略优于ShopX，但在反馈适应和跨轮产品引用方面，ShopX表现更好。它的最强优势体现在复杂、有状态的对话中。
是的。该框架支持捆绑推荐和跨品类组合。论文中有一个示例，模型在一次回合中同时满足了自行车头盔和骑行手套的请求。
研究论文可在arXiv上公开获取。经审核的官方来源未提供公开的ShopX模型检查点或专门的ShopX源代码仓库，因此这里不包含下载链接。
论文重点在于意图到商品的履约：规划、检索、排序、组合和落地产品推荐。支付、结算、物流和售后服务是独立的系统层。
探索Qwen模型家族更广泛功能的官方接口。
ShopX旨在弥合语言模型理解与电子商务系统实际执行能力之间的鸿沟。它通过语义ID赋予模型产品原生语言，并将规划、检索、排序、捆绑、落地及状态更新整合至同一框架中。
评估显示，在直接单轮请求场景中，强大的工具中介系统仍保持竞争力。而当购物过程转向对话式交互时——用户提供反馈、提及先前商品，并期望原场景保持活跃——ShopX的优势更为显著。
研究结果也揭示了专业化的代价：购物特定能力显著提升，而部分困难的一般推理与数学基准测试则出现下降。
**ShopX的核心贡献不在于简单的商品搜索优化，而在于提出了一种将购物视为“从意图到商品”持续履行过程的模型架构。
从一句话开始，几分钟内拿到完整网站。
