Naukowcy przedstawili nową metodę generowania sugestii zapytań, która łączy modelowanie intencji użytkownika z przydzielaniem sygnałów jakości na poziomie pojedynczych zapytań. System działa w dwóch etapach: najpierw konstruuje dane do fine-tuningu (SFT) z uwzględnieniem intencji, a następnie optymalizuje pokrycie intencji za pomocą Intent-Aware Diversity Reward. W drugim etapie przydziela indywidualne sygnały jakości do tokenów odpowiadających zapytaniom, jednocześnie dzieląc sygnał dotyczący różnorodności na całej liście sugestii.
Kluczową innowacją jest połączenie dwóch perspektyw: pojedynczego zapytania (czy jest przydatne i wysokiej jakości) oraz całej listy (czy razem pokrywają różne intencje użytkownika). To podejście rozwiązuje fundamentalny problem w systemach rekomendacji zapytań - stworzenie zestawu propozycji, w których każde zapytanie jest wartościowe, ale wszystkie razem adresują różne aspekty tego, czego szuka użytkownik.
Testy przeprowadzone na produkcyjnym zestawie danych, włączając eksperyment A/B z rzeczywistymi użytkownikami, pokazały znaczące улучшение we wskaźniku klikalności, ocenie jakości zapytań i zasięgu intencji. Wyniki wskazują, że ta metoda mogłaby znacząco poprawić doświadczenie użytkowników systemów wyszukiwania poprzez lepsze zrozumienie tego, co użytkownicy chcą znaleźć.