نموذج WeFair-2B يرفع CTR بنسبة 2,951% في البحث عن الفيديوهات القصيرة على WeChat

يعتمد البحث عن الفيديوهات القصيرة على استعلامات ملتبسة: يكتب المستخدم كلمتين، ويتوقف ما يريد مشاهدته على عمليات البحث والمشاهدة الأخيرة لديه. وصف فريق East China Normal University منهج WeFair، وهو طريقة لتدريب نموذج مدمج بملياري معلمة يعيد صياغة الاستعلام بما يتوافق مع سياق المستخدم، من دون أن يستبدل هدفه بهدف آخر. ويعمل النموذج WeFair-2B بالفعل في البحث عن الفيديوهات القصيرة على WeChat، ويخدم أكثر من 100 مليون استعلام يوميًا. وفي اختبار A/B استمر 10 أيام، ارتفع CTR النسبي بنسبة 2,951%، وارتفعت نسبة المشاهدات الفعّالة للفيديو بنسبة 2,593%، بينما انخفضت نسبة إعادة صياغة الاستعلامات بنسبة 2,350%.

المشكلة: الترتيب وفق التفاعل يبتعد عن الاستعلام

تعمد المناهج السابقة إلى تقطير استدلالات النماذج الكبيرة في نموذج صغير لإعادة الصياغة، ثم تضبطه بدقة وفق إشارات الاستهلاك اللاحق للمحتوى، أي ما شاهده المستخدم بعد ظهور النتائج. ويشير المؤلفون إلى أثر جانبي لهذا الأسلوب: فمثل هذه المكافأة تدفع النموذج نحو استعلامات تجلب محتوى «شديد الجذب» بدل ما كان المستخدم يبحث عنه. ويُسمّى ذلك انحراف النية (intent drift). ففي المثال الوارد في الورقة، ينحرف الاستعلام «crepe cake» إلى وصفات الطهي، مع أن المستخدم أراد مشاهدة تناول هذه الكعكة. ولأن الاستعلام المعاد صياغته يستند إلى سجل المستخدم الفعلي، يصعب اكتشاف هذا الخطأ بالفحوص الشكلية.

ولا تصلح النماذج الكبيرة لهذه المهمة لسببين. فهي أضعف في فهم النوايا المتنوعة لمستخدمي منصة بعينها، كما أن زمن الاستجابة لكل استدعاء مرتفع جدًا للبحث في الوقت الفعلي. لذلك يحتاج الإنتاج إلى نموذج صغير يقرر أيضًا ما إذا كان ينبغي إعادة صياغة الاستعلام أم تركه كما هو.

ثلاث مراحل بمستويات صرامة مختلفة للإشارة

تقوم فكرة WeFair على اختيار مستوى موثوقية مختلف للتغذية الراجعة في كل مرحلة من مراحل التدريب.

• العروض التوضيحية (SFT). يبدأ التدريب على سجلات «السياق ← الاستعلام»، ثم على الاستدلالات المرتبطة بالسياق، ثم على التنبؤ المباشر بإعادة صياغة الاستعلام أو الإبقاء عليه. ويكفي هنا إشارة أقل دقة لكنها أوسع.
• التفضيلات (DPO). تختلف أزواج المرشحين بحسب نتائج الاستهلاك اللاحق، ويتعلم النموذج اختيار المرشحين المرتبطين بإصابة أفضل للنية الشخصية.
• التحقق (GRPO). تُمنح المكافأة فقط عند التطابق التام مع إعادة الصياغة الفعلية للمستخدم، أو مع قرار ترك الاستعلام دون تغيير. ولا يضيف المؤلفون أي تقييمات متدرجة للتشابه، ولا مكافآت قائمة على البحث أو على نموذج حكم.

ويُظهر تحليل إضافي أن الإشراف الواسع يفيد في مرحلة SFT، وأن التحقق الصارم في المرحلة الأخيرة يمنح جودة أفضل من المكافآت المساعدة التي جرى اختبارها. أما الإشارات الأدق، بحسب المؤلفين، فتخفض دقة إعادة الصياغة. وفي الاستدلال، يُخرج النموذج مباشرة صيغة قصيرة معاد كتابتها أو علامة «إبقاء»، دون توليد سلسلة تفكير، ما يوفر في زمن الاستجابة.

كيف جُمعت بيانات التدريب

تؤخذ البيانات من جلسات البحث في WeChat بعد إخفاء هوية أصحابها. ولتكوين مجموعة «السياق ← الاستعلام»، تُنتقى الاستعلامات التي حظيت بمشاهدة فعّالة واحدة على الأقل للفيديو (أكثر من عشر ثوانٍ)، ثم تُفحص عبر DeepSeek-V4-Flash للتأكد من أن السياق يدعمها. أما مجموعة إعادة الصياغة، فتُربط فيها الاستعلامات المتجاورة ضمن الجلسة الواحدة: لم تحدث نقرة على فيديو بعد الاستعلام الأول، وحدثت مشاهدة فعّالة بعد الثاني. وتُستبعد الاستعلامات الناتجة عن اقتراحات النظام.

بعد ذلك يعمل مرشّح من مرحلتين. تستبعد القواعد الإضافات المكوَّنة من كلمات وظيفية في اللغة الصينية، والأزواج ذات التقاطع الضئيل في الرموز (بحسب تشابه Jaccard)، والحالات التي تفتقر إلى سند من السياق. ويزيل ذلك نحو نصف المرشحين. ثم تصوّت ثلاثة نماذج LLM استدلالية على استمرارية النية والمكسب المعلوماتي، وتتحقق ثلاثة نماذج أخرى من «الجسر السياقي» بين التفصيل المضاف والاستعلام. ويمرّ نحو الثلث تقريبًا. أما الأمثلة المرفوضة في الخطوة الأخيرة فتصبح أمثلة سلبية صعبة لحالة الإبقاء: وبذلك يتعلم النموذج ألا يختلق تخصيصًا لا سند له.

ما ينبغي أخذه في الحسبان

جاءت النتائج من منصة WeChat الداخلية، ولا يمكن إعادة إنتاجها بصورة مستقلة. ويعتمد جزء من خط المعالجة على قواعد خاصة باللغة الصينية وعلى سجلات سلوكية مغلقة. ولا يتضمن الوصف الأصلي مقارنة بالنماذج الأساسية بأرقام مقاييس الأوفلاين، بل يكتفي باستنتاج التفوق في الدقة الإجمالية والحفاظ على النية. والخلاصة العملية للفرق التي تبني نماذج إعادة الصياغة في البحث أو التوصيات: لا تخلطوا إشارات متفاوتة الموثوقية في مرحلة واحدة. فالبيانات السلوكية الواسعة تصلح للانطلاق وللتفضيلات، أما في خطوة RL الأخيرة فيجب أن تكون المكافأة أنقى ما يمكن. ويبقى الاستعلام الأصلي مرتكزًا للنتائج والترتيب، بينما تكتفي إعادة الصياغة بتوسيع مجموعة المرشحين.