2026-09-01

1SID 생성형 retrieval을 이미지 검색으로 처음 확장한 논문이 나왔다 — Alibaba Pailitao

Pailitao(拍立淘)는 유저가 실제로 찍은 사진 한 장을 질의로 넣으면 Taobao 카탈로그에서 같거나 유사한 상품을 찾아 주는 지면이다. 텍스트 검색과 나란히 Taobao 홈에서 오랫동안 운영해 온 프로덕트다. 이미지 검색이 텍스트 검색보다 어려운 것은 실사 이미지가 여러 종류의 정보를 동시에 담기 때문이다. 한 프레임 안에 옷 한 벌 같은 검색 타깃, 사진 안에 찍힌 브랜드 로고나 태그 텍스트 같은 보조 근거, 카페 인테리어나 다른 사람의 팔 같은 무관한 배경이 섞여 있다. 유저가 실제로 원하는 것은 이 가운데 하나뿐이다. 이번 논문은 SID 생성형 retrieval을 이미지 modality로 확장하는 첫 시도이자, retrieval 백본이 crop과 OCR을 통합해서 해결할 수 있음을 보이려는 시도다.

• Pailitao가 SID 생성형 retrieval 계보에 합류했다 확인 — arXiv 2608.26658.
  • 저자 9인 전원이 Alibaba Group Hangzhou 소속이다.
  • HTML 판에서 Pailitao를 "Taobao's image search system"으로 명시했다.

기존 접근은 이미지에 섞인 정보를 가려내는 일을 전처리 파이프라인에 맡겼다. crop 모델이 검색 타깃 영역을 잘라 내고 OCR 모델이 사진 안의 텍스트를 뽑아내면, 검색 모델이 그 결과를 소비했다. PailitaoGR은 crop과 OCR을 파이프라인에서 걷어 내고 retrieval 모델 안으로 흡수한다. 저자들은 이를 "Zooming without Cropping"과 "Reading without OCR"이라고 불렀다.

• PailitaoGR은 Latent Think-with-Images라는 개념 이름 아래 두 컴포넌트를 통합한다 확인.
  • target enhancer는 crop을 명시적으로 하지 않고, full image의 시각 토큰 중에서 검색 타깃 영역을 강조해서 학습으로 흡수한다("Zooming without Cropping").
  • auxiliary enhancer는 OCR 파이프라인 없이 이미지 안의 관련 텍스트 근거를 선택적으로 뽑아 활용한다("Reading without OCR").
• 훈련은 on-policy distillation과 contrastive strategy를 조합한다 확인.
  • target enhancer와 auxiliary enhancer는 각기 다른 supervision을 받되, 생성형 retrieval 모델 자체가 두 능력을 내재화하도록 정렬한다.

• 오프라인 baseline 대비 평균 +13.8% 개선을 진술했다 확인.
  • 데이터셋은 Pailitao의 실제 이미지 검색 로그에서 샘플링했다.
• 프로덕션 A/B 수치는 abstract·본문에 공개하지 않았다 확인.
  • Pailitao에 실제로 서빙 배포됐는지, 아니면 오프라인 실험 단계인지는 abstract 수준에서 확정할 수 없다.
  • Alibaba 프로덕션 관행상, 데이터가 프로덕션 로그이고 저자 전원이 Alibaba 소속이면 배포 예정이거나 부분 배포 상태일 가능성은 있다 추정. 다만 그 근거는 abstract에 없다.

"Generative retrieval has demonstrated strong performance by directly generating product semantic identifiers (SIDs). Extending this paradigm to image search, however, is nontrivial because real-world query images contain diverse information, including the search target, useful auxiliary evidence, and irrelevant visual content." — PailitaoGR (arXiv 2608.26658), 2026-08-27

"we propose PailitaoGR, a Latent Think-with-Images method for generative image retrieval, which internalizes target-focused perception and selective auxiliary-evidence utilization into the generative retrieval model, enabling Zooming without Cropping and Reading without OCR." — PailitaoGR (arXiv 2608.26658), 2026-08-27

• 회사의 수가 늘었다. Alibaba가 SID 자체를 서빙 대상으로 삼은 진술을 낸 것은 이번이 처음이다.
  • 이전까지 SID 계보에 프로덕션 진술이 있는 회사는 Kuaishou와 Yandex Music이었다. 각각 HD-Rec·PushDualGen과 Gryphon-v2·Sona다. 실험 계보를 넓게 잡으면 Google(TIGER 원논문)까지다. Alibaba는 SID 라인의 네 번째 회사다.
  • Alibaba는 MetaStrategy/DREAM/TransRetrieval로 LLM-native와 scaling 축에서는 이미 다수의 진술을 냈다.
  • 이번 논문으로 SID 라인에서 프로덕션 로그를 훈련에 쓴 회사는 최소 세 곳(Kuaishou·Yandex Music·Alibaba)이 됐다.
• modality 축이 열렸다. 실사 이미지 자체를 질의로 받는 지면에서 SID 생성형 retrieval을 쓴 진술은 이번이 처음이다.
  • 지금까지 SID가 적용된 대상은 텍스트 아이템(뉴스, 짧은 비디오 title, 음악 track), e-commerce 상품 ID, 유저 이력 시퀀스였다.
  • crop과 OCR을 백본 안으로 흡수했다는 주장이 사실이면, 이는 이미지 검색 스택 전체가 SID와 retrieval 모델 하나로 압축될 가능성을 시사한다.
  • 다만 오프라인 지표만 있기 때문에, 이 압축이 프로덕션 지연·비용 관점에서 실제로 이득인지는 확인되지 않았다.
• 세기가 제한되는 이유는 abstract에 프로덕션 A/B 수치가 없기 때문이다. Pailitao 실제 로그로 훈련·검증했다는 진술은 있지만, 서빙 배포 진술은 없다.
  • 지금 스레드에서 힘 있는 하위 불릿은 프로덕션 지표를 함께 공개한 것들이다(PushDualGen의 effective play rate +8.50%, Gryphon-v2의 active users +1.41%). 그래서 PailitaoGR은 그와 같은 등급으로 취급하지 않았다.
  • 스레드 안에서는 "이미지 검색 modality가 SID 계보에 편입되기 시작했다"는 신호로만 기록한다.
• 추적 서비스인 X·Meta·Netflix에는 즉시 반영할 대응점이 없다.
  • X는 이미지 검색이 없다.
  • Meta는 Marketplace의 시각 검색을 오래 운영하지만, SID 계열 진술은 공개되지 않았다.
  • Netflix는 이미지 검색 지면 자체가 없다. MAPS의 아트워크·프리뷰 개인화가 이미지 modality를 다루긴 하지만, 검색이 아니라 개인화이므로 직접 겹치지는 않는다.

검증에서 뒤집힌 것

(없음)

레이더

• Alibaba PailitaoGR(arXiv 2608.26658)은 SID 생성형 retrieval을 Taobao 이미지 검색 지면 Pailitao로 확장했다. crop 없는 Zooming과 OCR 없는 Reading을 하나의 백본에서 통합한다. 오프라인 +13.8%만 공개했고 프로덕션 A/B 수치는 없다. radar.md의 생성형 retrieval / semantic ID 스레드에 추가했다.

다음에 볼 것