Roblox 发布搜索感知 RL 框架优化游戏搜索查询理解

Roblox 游戏搜索提出搜索感知强化学习（RL）框架，将意图分类、属性提取、查询改写等多组件查询理解整合进单一模型，采用先 SFT 蒸馏再 RL 的范式，在真实生产搜索引擎上按各组件的运营角色分别设计奖励。该组件级优化使 NDCG@20 较 SFT 策略提升 8.9 点，较单一端到端奖励提升 3.5 点，小模型学生超过更大的教师模型，最终模型正在生产环境增量部署。