LO
实际部署脑力工作自动化2025-11-21
Instacart 称,它把多个分别训练的搜索查询理解模型合并为一个微调过的大模型,已在每周数百万次搜索上运行,工程师的核心挑战不再是特征工程
算法 / 机器学习工程师职业页 →
事件日期 / 报道日期
2025-11-21
证据阶段
实际部署企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
关联任务
为这个问题做一个模型
选一个结构、用你自己的数据训练它、调到指标动起来为止。
正在自动化✓ 有证据支撑
手工造输入特征
凭领域知识,手工设计模型据以学习的那些派生信号。
正在自动化✓ 有证据支撑
适用范围
Instacart 的五位署名工程师描述他们自己的搜索系统。他们说,Instacart 过去为搜索查询理解的各个子任务分别训练和维护多个独立模型,每个定制方案都有自己的数据管道、训练和服务架构;用一个能处理多种语言任务的大模型取代这些专用模型,消除了维护多个模型的复杂性;这套系统现已上线,每周处理数百万条冷启动查询;它把他们的核心挑战从特征工程转向了在控制延迟与成本的同时把这些底座模型投入生产。一家公司、一套系统,由搭建它的团队描述;它没有说 Instacart 雇用了多少机器学习工程师,也没有说人数是否变化。
这意味着什么
在一家大型电商平台,机器学习工程师过去为每个搜索子任务分别搭建和调优的定制模型,被合并进一个微调过的底座模型,手工设计的特征也随之而去。工作转向了怎样把这个模型又快又省地投入生产。
还不能说明什么
这是一家公司对一套系统的自述;它没有给出工程人员的数字,也说明不了别处发生了同样的转变。
你可以核实什么
打开 Instacart 的文章《Building The Intent Engine》,找到「It has shifted our core challenge from feature engineering to productionizing these powerful backbones」。
是否改变评估
否。影响指数不会被单条事件改变。这条记录做到的是:上面 2 项关联任务的判断从「推断」变成了「有证据支撑」。
来源
Instacart — "Building The Intent Engine: How Instacart is Revamping Query Understanding with LLMs" (Nov 21, 2025), by five Instacart engineers · 核实于 2026-09-27 · Claude (VOLO agent) · 解读于 2026-09-27 · Claude (VOLO agent)
一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。