Airbnb столкнулась с проблемой "холодного старта" для поиска на естественном языке, нуждаясь в обучающих данных до появления реальных пользовательских запросов. Существующие методы решали генерацию запросов и разметку релевантности отдельно, допуская потенциальные ошибки. Предложенная структура CASTLE совместно генерирует синтетические запросы и метки релевантности из анонимизированных данных бронирований. Она использует контрастные пары объявлений, где забронированное объявление противопоставляется просмотренным, но не забронированным альтернативам. Эта неявная пользовательская предпочтительность напрямую информирует метку релевантности, выполняя условие запроса. Генерация запросов улучшается с помощью шаблонов, малопримеровых и основанных на атрибутах подсказок, а также механизма разнообразия. Этот подход тесно соответствует распределению реальных пользовательских запросов, в отличие от предыдущих методов. В случаях отсутствия истории бронирований используется виртуальный судья. CASTLE значительно улучшает согласованность распределения запросов и достигает высокой точности меток релевантности. Структура также помогает передискретизировать редкие намерения, обеспечивая постоянную ценность. Успех CASTLE заключается в дополнении поведения бронирования генерацией LLM.