Airbnbは、実際のユーザーからの問い合わせデータが利用可能になる前にトレーニングデータが必要な、自然言語検索におけるコールドスタート問題に直面していました。既存の方法では、クエリ生成と関連性ラベリングを別々に対処しており、潜在的なエラーを導入していました。提案されたCASTLEフレームワークは、匿名化された予約データから合成クエリと関連性ラベルを共同で生成します。これは、予約されたリスティングと、表示されたが予約されなかった代替リスティングを対比させる対照的なリスティングペアを使用します。この暗黙的なユーザーの好みは、クエリの条件を満たす関連性ラベルに直接反映されます。クエリ生成は、テンプレートベース、少数ショット、属性に基づいたプロンプト、および多様性メカニズムによって強化されます。このアプローチは、以前の方法とは異なり、実際のユーザーのクエリ分布に密接に一致します。予約履歴がない場合は、仮想ジャッジが使用されます。CASTLEは、クエリの分布整合性を大幅に向上させ、高い関連性ラベル精度を達成します。このフレームワークは、ロングテールインテントのオーバーサンプリングにも役立ち、継続的な価値を提供します。CASTLEの成功は、予約行動とLLM生成を補完することにあります。