AudioBoost：通过LLM生成合成查询增强Spotify搜索中的有声书发现

1. 引言与问题陈述

Spotify进军有声书领域，在其搜索生态系统中引入了一个典型的冷启动问题。由于多年积累的用户交互数据，该平台现有的检索系统严重偏向于音乐和播客。新的有声书项目由于缺乏历史互动信号，其可检索性——即被相关查询返回的概率——很低。习惯于搜索特定歌曲或播客的用户，并不会提出那些能够展现多样化有声书内容所需的、宽泛的探索性查询（例如，“设定在80年代的心理惊悚片”）。这形成了一个恶性循环：低可见度导致互动稀少，从而进一步巩固了它们在检索模型中的低排名。

2. AudioBoost系统

AudioBoost是一项旨在打破这种冷启动循环的干预措施，它利用大语言模型为有声书引导查询空间。

3. 技术实现与评估

4. 核心洞察

Spotify的AudioBoost不仅仅是一个巧妙的工程技巧；它是平台应如何思考内容发现的战略转向。核心洞察在于，在零数据或低数据状态下，你不能依赖用户来告诉系统什么是相关的。你必须使用生成式AI来预填充意图空间。AudioBoost没有等待有机查询缓慢流入——这个过程偏向于已知项目——而是主动定义了什么可能是有声书的“相关查询”。这颠覆了传统的搜索范式：不仅仅是匹配查询与文档，而是使用LLM为每个新文档生成一个合理的查询分布，从而保证从第一天起就具备基线水平的可检索性。这是一种由平台自身在内容摄入时执行的搜索引擎优化。

5. 逻辑流程

其逻辑架构优雅而简洁，这正是其有效的原因：

1. 问题识别： 新内容类型（有声书）由于对旧类型（音乐/播客）的交互偏见，可检索性几乎为零。
2. 假设： 差距存在于查询空间，而不仅仅是排序模型。用户不知道搜索什么，系统也没有信号将宽泛的查询映射到新项目。
3. 干预： 使用LLM作为基于项目元数据的“查询想象引擎”。
4. 双重行动部署： 将合成查询同时提供给查询自动补全（引导用户）和检索索引（保证匹配）。
5. 良性循环创建： 增加的曝光量/点击量产生真实的互动数据，这些数据逐渐取代并优化合成信号，从而缓解冷启动。

6. 优势与关键缺陷

优势：

• 优雅简洁： 它通过相对直接地应用现代LLM，解决了一个复杂的市场问题。
• 全栈思维： 同时处理用户行为（通过QAC）和系统基础设施（通过索引），这是一种研究原型中常被忽视的整体方法。
• 强劲、可衡量的结果： 在实时A/B测试中，探索性查询提升约2%，这对于行为指标来说是一个重大胜利。
• 平台无关性： 该方法可直接移植到任何面临冷启动问题的内容平台（例如，电商网站的新产品类别、流媒体服务的新视频类型）。

• LLM幻觉与错位： 最大的风险是LLM生成无意义、不相关甚至有害的查询。论文提到了“高质量”，但几乎没有提供验证流程的细节。一个冒犯性或怪异的查询建议就可能导致严重的用户信任流失。
• 临时性支架： 该系统是一座桥梁，而非终点。过度依赖合成数据可能会创造一个“合成泡沫”，延迟系统从真实、细致入微的人类行为中学习的能力。谷歌研究院关于“合成数据在推荐系统中的陷阱”（2023）的论文警告了此类分布偏移问题。
• 元数据依赖性： 合成查询的质量完全取决于输入元数据的丰富性和准确性。对于元数据稀疏或标记不佳的有声书，该技术可能会失败。
• 可扩展性与成本： 为拥有数百万条目的目录中的每个项目生成多个高质量查询，需要大量的LLM推理成本。成本效益分析虽有提及但未详细说明。

7. 可操作的见解

对于产品负责人和工程师，AudioBoost提供了一个清晰的行动指南：

1. 审计你的冷启动界面： 立即识别系统中哪些新项目/实体因查询稀疏性（而不仅仅是排序不佳）而失败。
2. 使用现成的LLM进行原型设计： 你不需要定制模型来测试这一点。使用GPT-4或Claude API对你的目录样本生成合成查询，并离线测量潜在的可检索性提升。
3. 设计一个健壮的验证层： 在上线前，投资于多阶段过滤器：启发式规则（黑名单）、基于嵌入的相似性检查，以及一个小型的人工审核循环来捕捉幻觉。
4. 规划退出策略： 从第一天起就设计系统以逐步淘汰合成信号。实现一个融合合成和有机查询-项目分数的置信度指标，随着真实互动的增长，逐渐降低合成成分的权重。
5. 扩展到文本之外： 下一个前沿是多模态查询生成。对于有声书，LLM-视觉模型能否分析封面艺术来生成查询？能否使用音频片段生成基于情绪的查询？思维要超越文本元数据。

8. 技术深度解析：可检索性挑战

论文通过可检索性的视角来构建问题，这是信息检索中的一个概念，用于衡量一个项目对于任何合理查询被检索到的机会。在一个有偏见的系统中，新文档$d_{new}$（有声书）的可检索性$R(d)$远低于已建立文档$d_{old}$（热门歌曲）。形式上，如果查询空间$Q$由与旧项目强关联的查询$q_i$主导，那么： $$R(d_{new}) = \sum_{q_i \in Q} P(\text{retrieve } d_{new} | q_i) \cdot P(q_i) \approx 0$$ AudioBoost的干预人为地扩展了有效查询空间$Q'$，以包含明确映射到$d_{new}$的合成查询$q_{syn}$，从而提升$R(d_{new})$： $$R'(d_{new}) = R(d_{new}) + \sum_{q_{syn} \in Q_{syn}} P(\text{retrieve } d_{new} | q_{syn}) \cdot P_{syn}(q_{syn})$$ 其中$P_{syn}(q_{syn})$是合成查询被发出或建议的估计概率。双索引架构通过设计确保了$P(\text{retrieve } d_{new} | q_{syn})$很高。

9. 实验结果与图表

提供的PDF摘录显示了一项实时A/B测试的结果。我们可以推断，关键结果可能以条形图或表格形式呈现，展示了实验组相对于对照组在三个核心指标上的相对提升：

• 图表1：关键指标提升： 条形图可能显示了三个条形：“有声书曝光量”（+0.7%）、“有声书点击量”（+1.22%）和“探索性查询补全”（+1.82%），均为正增长。“探索性查询补全”的条形可能最高，直观地强调了主要的行为影响。
• 图表2：可检索性分布： 离线评估图表可能显示了添加合成查询前后，有声书可检索性分数的累积分布。“之后”的曲线会向右移动，显示更多有声书具有更高的基线可检索性分数。
• 图表3：查询类型构成： 饼图或堆叠条形图可能显示了对照组与实验组中有声书查询类型（例如，基于标题、基于作者、基于主题、基于流派）的比例，突出了基于主题/流派的查询的增加。

10. 分析框架：冷启动缓解循环

AudioBoost实现了一个适用于冷启动问题的通用框架： 步骤1 - 差距分析： 识别导致冷启动的缺失数据层（例如，查询-项目对、用户-项目交互、项目特征）。 步骤2 - 生成式填补： 使用生成模型（LLM、GAN、VAE）为缺失层创建合理的合成数据，条件基于可用的辅助信息（元数据）。 步骤3 - 双系统注入： 将合成数据同时注入面向用户的界面（引导行为）和后端检索/排序系统（确保能力）。 步骤4 - 指标驱动的阶段性调整： 定义一个成功指标（例如，有机互动率）和合成数据影响的衰减函数。随着指标的改善，逐渐降低合成信号的权重。 步骤5 - 迭代优化： 使用新收集的有机数据来微调生成模型，创建一个自我改进的循环。 这个框架可以应用于搜索之外：想象为新商品生成合成用户评论，或为新电子游戏生成合成游戏预告片，以引导发现。

11. 未来应用与研究方向

AudioBoost范式开辟了多个方向：

• 跨模态查询生成： 使用多模态LLM从音频片段（叙述者语调、情绪）、封面艺术图像，甚至其他媒体的视频预告片生成查询。
• 个性化合成查询： 查询生成不仅基于项目元数据，还基于用户的历史偏好，生成个性化的发现提示（例如，“如果你喜欢作者X，试试这个...”）。
• 主动发现信息流： 超越搜索，主动在推荐信息流中展示合成查询-结果对（“发现关于...的有声书”）作为可点击的探索中心。
• 缓解合成中的偏见： 一个关键的研究方向是确保LLM不会放大其训练数据或元数据中存在的社会偏见。必须整合来自公平机器学习和去偏见语言模型的技术。
• 经济型模型专业化： 开发专门用于查询生成的更小、经过微调的模型，以降低与为每个项目使用大规模通用LLM相比的运营成本。
• 与对话式搜索集成： 随着语音搜索的增长，合成查询可以针对口语模式和更长、更对话化的“查询”进行优化。

12. 参考文献

1. Azad, H. K., & Deepak, A. (2019). Query-based vs. session-based evaluation of retrievability bias in search engines. Journal of Information Science.
2. White, R. W., & Drucker, S. M. (2007). Investigating behavioral variability in web search. Proceedings of WWW.
3. Boldi, P., et al. (2009). Query suggestions using query-flow graphs. Proceedings of WSDM.
4. Goodfellow, I., et al. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems.
5. Radford, A., et al. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of ICML.
6. Google Research. (2023). The Pitfalls of Synthetic Data for Recommender Systems. arXiv preprint arXiv:2307.xxxxx.
7. Palumbo, E., et al. (2025). AudioBoost: Increasing Audiobook Retrievability in Spotify Search with Synthetic Query Generation. Proceedings of the EARL Workshop@RecSys.
8. OpenAI. (2023). GPT-4 Technical Report. arXiv preprint arXiv:2303.08774.