1. 问题与动机
商业 Web 搜索的"时效性 vs 相关性"对齐长期是工业难题。传统方法依赖静态的时间窗口过滤（如"过去 30 天"），把时效性当作 metadata 属性而非语义关系，结果是"一刀切"——既会把语义已失效的近期内容硬推上来，也会无差别地压制权威但年代较老的内容。论文用两个对比例子刻画"信息生命周期"的极端差异：突发性的"香港大火"事件中，两天前的文档可能已经语义过期；而"交通法规"类政策文档则保持有效期长达数年。
核心动机是 reformulate timeliness：不再把"新鲜度"看作时间戳属性，而是把它建模为 query 意图与文档时间线的语义动态关系。论文进一步指出，普适的"过期阈值"并不存在——expiration 必须 query-aware、context-aware。
2. 方法详解
整体框架由四个流水线模块组成：
时间信息抽取模块：把原始文档转成"以时间锚为中心的语义片段"。具体两步：(a) anchor parsing 从文档中抽取查询关键词与时间实体，构建 Document Temporal Index 把时间表达式映射到句子位置；(b) time-anchored context refinement 用 5 句滑窗围绕时间锚做上下文聚合，结合 cosine 语义相似度 + 时间对齐分计算 relevance；对于无显式时间约束的查询，模块自动切换到 exponential recency decay 加权。最终通过 threshold 过滤得到"focused semantic chunks"喂给 LLM。
结构化时间推理 prompt：不让 LLM 自由发挥，而是用严格模板锚定绝对时间。Prompt 同时输入 (用户 query, 抽取的时间上下文, 搜索时间戳)，配合 few-shot 周期性事件（如"双十一"）的领域适配示例，并加入负向约束防止 LLM 抽取无关日期。Prompt 引导逐步推理把 query 意图与时间证据综合成 query-specific validity horizon。
Temporal Consistency Verification（幻觉抑制）：双重机制。第一重是 contrastive forward-backward CoT：LLM 先正向生成一个候选 expiration 时间，再反向 stress-test 验证逻辑自洽，用 consistency penalty 量化两个方向推理的吻合度；同时加 granularity penalty 防止"年级别 vs 日级别"的粒度错配。第二重是 authority-weighted evidence fusion：当多个文档源给出冲突时间证据时，系统按"领域权威度 × 语义相关度"加权融合，选择得到最强权威背书的时间锚。
线上特征落地：把昂贵的 LLM 推理"蒸馏"成轻量级二元信号——文档要么通过 expiration 检验（flag=1）要么不通过（flag=0）。线上有三种执行路径：离线缓存（dictionary lookup of 高频 query 阈值）、distilled student LLM 调用、或直接 teacher LLM 调用。系统配备 circuit-breaking：若推理超时或检测到分布漂移，flag 默认为 0，gracefully 退回到 baseline 排序而非注入不可靠信号。最终该 binary 信号作为 learnable soft constraint 通过多阶特征交互融入 Baidu 的 freshness sub-network。
训练侧的优化目标是三项 loss 之和：predicted timestamp 与 ground-truth 的归一化时间距离、temporal granularity penalty、logical consistency penalty。框架不微调 LLM 权重，全部依赖 prompt engineering，以最小化部署复杂度。
3. 核心技术贡献
(1) 可扩展的 query-aware dynamic expiration：把"时效性"从硬阈值规则改造成 query-specific 语义推断，解决了 one-size-fits-all 的根本问题。
(2) 专门面向时间推理的幻觉抑制：contrastive forward-backward CoT + authority-weighted evidence fusion 这套组合明确为"LLM 给出错误日期"这种高代价错误兜底，比通用 self-consistency 多了 granularity 维度，是工业部署的关键。
(3) 从昂贵推理到二元特征的产线化路径：通过 offline cache + student LLM + teacher LLM 三级回退 + circuit breaker，把 LLM 推理变成一个可降级、可观测的 ranking 特征。这套架构是其他 LLM-as-feature 工作可直接借鉴的模板。
4. 实验结果分析
离线评测（1M queries × 10M docs，3 个月数据）：Aurora-Expiry vs Aurora-Baseline。
- Satisfaction Score: +0.52%
- Positive Navigation Rate (Tier-2 ≤1 月): +5.21%；Tier-3 (≤1 周): +7.36%
- median time-away@4: -2.44%；@10: -3.19%（结果越新越好）
- 关键：general relevance 指标保持稳定——证明 freshness 收益没有牺牲语义相关性。
线上 A/B（14 天，5% 流量/组）：
- Satisfactory Consumption: +0.78%, CTR: +0.41%, Search Activity: +0.12%, Search Retention: +0.06%
- 整体 median day-away@4: -6.87%，@10: -6.24%
- 高时效性 query 子集 day-away@4: -12.81%，@10: -11.46%
人工 GSB（Good/Same/Bad）评测：
- Long-Tail/Cold Demand: +5.00% advantage ratio, Good:Bad = 12:2
- Time-Sensitive: +2.50%, Good:Bad = 6:1
- Random Demand: +1.50%, Good:Bad = 5:2
时效敏感与长尾冷需求增益最大，且通用 query 上没有伤害，证明系统精准地只在该作用的地方作用——典型的工业系统理想形态。
5. 局限与未来方向
论文未单列 limitations 章节，从方法本身看几个隐含约束：(a) 时间表达式的隐式/歧义引用（如"前段时间""上次"）抽取仍困难；(b) few-shot prompt 的领域适配在新内容形态（如直播片段、AIGC 帖子）下需要重新调优；(c) 即便有双重验证，长尾 query 上的幻觉残余风险仍存在，circuit breaker 是兜底而非根治；(d) authority-weighted fusion 依赖 source credibility，对新涌现的发布者存在冷启动；(e) "每个 query 一个 expiration 阈值"对多意图复合 query 仍属粗粒度。
6. 工业实践意义
对社区 UGC 搜索（帖子、问答、评论）非常直接：
- 可借鉴的工程模式：把"内容新鲜度"从规则评分（"7 日内 +0.3，30 日内 +0.1"）改造成 query-aware 二元特征接入排序模型，是高 ROI 的方向。社区 UGC 中"经验型帖子（如装修攻略）有效期长，事件型帖子（如演唱会抢票）有效期短"的差异比通用网页更明显，收益空间应该比 Baidu 的 +0.41% CTR 还大。
- LLM as offline feature engineer 的范式：论文的三级回退（cache/student/teacher）+ circuit breaker 是把 LLM 接入工业排序系统的标准化做法，可直接复用到其他特征（如 query 意图、内容质量分、用户满意度预测）。
- 要避坑的点：必须设 fallback 路径（不能让 LLM 失败把整体相关性拖下水）、必须做 grain-level 验证（避免"年级别"判断错配到"日级别" query）。
- 部署成本估算：offline cache 覆盖率是关键，论文未披露具体 cache hit rate，但从可行性看 long-tail query 必须有 student LLM 兜底——这是接入前要先准备好的 infra。