Airbnb Inova na Busca com IA: CASTLE Treina Modelos em Linguagem Natural antes do Lançamento

O sistema CASTLE (Contrastive And Seed-guided Training for natural Language sEarch) da Airbnb resolve o desafio do 'cold-start' para a busca em linguagem natural. Ele faz isso gerando consultas sintéticas e rótulos de relevância a partir de sessões de reserva de-identified. Esta abordagem é crucial para treinar modelos antes mesmo de ter dados reais de usuário. O processo usa pares de anúncios, um positivo (reservado) e um negativo (visto, mas não reservado), derivados do comportamento real do usuário, para guiar a geração de consultas por LLMs.

O CASTLE se diferencia de métodos anteriores por gerar queries e rótulos de relevância de forma conjunta, garantindo alinhamento com o comportamento real do usuário. Medições de divergência Kullback-Leibler (KL) mostraram uma melhora de 9.2 vezes sobre as abordagens de base. Além disso, a qualidade dos rótulos gerados atingiu entre 91% e 93% de concordância em avaliações humanas. Essa metodologia assegura que os modelos de busca aprendam com dados que refletem a intenção real do cliente, mesmo na ausência de volume de tráfego orgânico.

A cobertura anterior do CEVIU News, como visto nas matérias de julho e agosto de 2026 sobre a avaliação de GenAI e a aceleração na avaliação de LLMs, já mostrava o empenho da Airbnb em otimizar e controlar seus modelos de IA. O sistema CASTLE eleva essa estratégia, ao demonstrar a evolução de uma fase focada na avaliação para a criação proativa de dados de treinamento. Isso significa que a Airbnb não só valida a qualidade de seus LLMs, mas também desenvolve métodos inovadores para alimentá-los com dados sintéticos de alta fidelidade desde o início, garantindo uma performance robusta mesmo sem tráfego inicial.

Para engenheiros de dados e analistas, o CASTLE da Airbnb estabelece um novo padrão na resolução do problema de 'cold-start', um desafio comum no lançamento de produtos baseados em IA. A capacidade de gerar dados de treinamento sintéticos realistas e de alta qualidade a partir de dados de-identified permite que as empresas lancem funcionalidades de busca avançadas com desempenho otimizado desde o primeiro dia. Isso minimiza a necessidade de coleta demorada de dados de usuário e garante uma experiência superior para o cliente.

A metodologia da Airbnb demonstra como a governança de dados e a IA podem atuar juntas para criar soluções inovadoras. O uso de dados comportamentais para criar pares de exemplos contrastivos para os LLMs é um avanço significativo na área. A validação com métricas rigorosas como a divergência KL e avaliações humanas reforça a confiança na qualidade dos dados sintéticos, um ponto crítico para qualquer pipeline de Machine Learning.