Generalizing Large Language Models for E-commerce from Large-scale, High-quality Instruction Data

本文链接：https://blog.youkuaiyun.com/c_cpp_csharp/article/details/137517486

本文提出了一种新的电子商务通用语言模型eCeLLM，它通过大规模指令数据集ECInstruct进行训练，提高了在电子商务场景中的泛化能力。实验结果显示，eCeLLM在领域内和领域外任务上均超越了包括GPT-4在内的基线模型，展现出强大的通用性和可扩展性。ECInstruct数据集和eCeLLM模型已开源，为电子商务领域的自然语言处理提供了新工具。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是LLM系列文章，针对《eCeLLM: Generalizing Large Language Models for E-commerce
from Large

摘要

尽管在开发有效的电子商务模型方面付出了巨大努力，但传统的电子商务模式在广义电子商务建模方面的成功有限，并且在新用户和新产品方面表现不佳——这是一个典型的领域外泛化挑战。同时，大型语言模型（LLM）在泛化建模和领域外泛化方面在许多领域都表现出了卓越的性能。为了充分释放他们在电子商务中的力量，在本文中，我们构建了ECConstruction，这是第一个开源、大规模、高质量的电子商务基准指令数据集。利用ECInstruct，我们通过指令调优通用LLM来开发eCeLLM，这是一系列电子商务LLM。我们的综合实验和评估表明，eCeLLM模型在域内评估中大大优于基线模型，包括最先进的GPT-4和最先进的特定任务模型。此外，eCeLLM对域外环境表现出极好的可推广性，包括看不到的产品和看不见的指令，突出了其作为通用电子商务模型的优势。ECInstruct数据集和eCeLLM模型在为电子商务提供多功能、有效的LLM方面都显示出巨大的潜力。ECInstruct和eCeLLM模型可通过https://ninglab.github.io/eCeLLM开放访问。