3月7日，IT之家报道称，苹果研发团队于2月发布了一项研究报告，显示通过引入大语言模型（LLM）技术，App Store的搜索转化率得到显著提升。

文章引述研究报告指出，目前App Store的排序机制主要依赖用户行为相关性——即用户是否点击或下载应用——来优化搜索结果。由于人工标注成本高昂，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，这成为优化搜索体验的主要瓶颈。

在最新发布的《扩展搜索相关性：利用LLM生成判断增强App Store排序》研究中，研究人员为突破这一技术限制，专门微调了一个包含300亿参数的大语言模型。

该模型深入学习了现有的人工标注标准，能够精准分析用户搜索词与应用元数据——包括名称、描述和关键词——之间的语义关联。

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的底层排序系统。

苹果在全球范围内的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序系统在89%的测试场景中表现优异，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%的统计学显著增长。

尽管0.24%的转化率提升在数字上看似微小，但其实际产生的行业影响却极为可观。业内普遍预测，到2025年App Store年下载总量将达约380亿次。因此，这一微幅百分比增长在庞大的用户基数支撑下，将直接转化为高达数千万次的额外应用下载量。