3 月 7 日消息，苹果研究团队于 2 月发布研究报告，通过引入大语言模型（LLM），显著提升了 App Store 的搜索转化率。

援引博文介绍，苹果 App Store 的排名系统目前主要依赖行为相关性（即用户是否点击或下载）来优化搜索结果。由于人工评估成本极高，衡量应用元数据与搜索词语义匹配度的文本相关性标签一直极度匮乏，这构成了优化搜索体验的重大瓶颈。

在最新《Scaling Search Relevance： Augmenting App Store Ranking with LLM Generated Judgments》研究中，研究人员为突破这一技术局限，专门微调了一个拥有 30 亿参数的大语言模型。

该模型深入学习了现有的人工评判标准，并能精准分析用户的搜索词与应用元数据（如名称、描述和关键词）之间的关联。

随后，研究团队利用该模型自动生成了数以百万计的全新相关性标签，并结合原始数据，重新训练了 App Store 的底层排名系统。

苹果在全球范围内的实时应用商店流量中开展了严谨的 A/B 测试，并取得了超出预期的成效。数据显示，这种由大语言模型增强的排名系统在 89% 的测试店面中表现优异，其核心指标“转化率”（即至少触发一次应用下载的搜索会话比例）实现了 0.24% 的统计学增长。

尽管 0.24% 的转化提升幅度在字面上看似微不足道，不过其实际产生的行业影响力却极为惊人。业界普遍预估，2025 年 App Store 的总下载量将达到约 380 亿次。因此，这一微弱的百分比增长在庞大的用户基数下，将直接转化为高达数千万次的额外应用下载量。