본 논문은 기존의 스파스 및 덴스 검색 방법이 일반적인 세계 지식을 활용하는 데 어려움을 겪고, 쿼리와 상품의 뉘앙스 있는 특징을 포착하지 못하는 문제점을 해결하기 위해, 생성적 검색 및 정렬 모델(GRAM)을 제시합니다. GRAM은 쿼리와 상품의 텍스트 정보에 대한 공동 학습을 통해 공유 텍스트 식별자 코드를 생성하여 쿼리와 상품 간의 간극을 효과적으로 해소합니다. 공동 정렬 전략을 사용하여 검색 효율을 극대화하도록 코드를 생성하고, 쿼리-상품 점수 매커니즘을 도입하여 다양한 코드에서 상품 값을 비교하여 검색 효율을 더욱 향상시킵니다. 오프라인 및 온라인 A/B 테스트를 통해 기존 모델 및 최신 생성적 검색 모델보다 GRAM이 성능이 우수함을 보여줍니다.
