WeChat发布WeFair：基于人类反馈的个性化短视屏搜索查询重写系统

摘要：WeChat推出WeFair系统，通过基于人类反馈的个性化查询重写技术，提升短视屏搜索的精准性和用户意图保留能力。WeFair采用分阶段对齐策略，包括示范、偏好和验证三个阶段，以减少意图漂移问题。在离线实验中，WeFair-2B在整体准确性和意图保留方面优于现有基线模型，在线A/B测试显示有效视频观看率提升2.593%，查询重写率降低2.350%。该系统已部署于微信短视屏搜索，日均处理超过1亿次查询。

---

技术机制剖析

WeFair系统通过以下三个阶段实现个性化查询重写：

1. 示范阶段：通过监督微调，从大规模上下文到查询的学习过渡到基于人类重写的直接预测。该阶段旨在让模型学习用户查询的语义关联和意图表达。

2. 偏好阶段：利用直接偏好优化（DPO）技术，从后续消费反馈中学习相对偏好，以进一步提升查询重写的准确性。

3. 验证阶段：通过组相对策略优化（Group Relative Policy Optimization），奖励与重写或保留目标完全一致的结果，从而约束意图漂移问题。

工程权衡与实测表现

• 优势：WeFair通过分阶段对齐策略，显著减少了传统LLM方法中常见的意图漂移问题。其反馈保真度分配机制确保了用户意图的精准捕捉。
• 挑战：在处理极短或高度模糊的查询时，模型可能仍需依赖上下文信息进行推断，这对其泛化能力提出了更高要求。
• 实测表现：在离线实验中，WeFair-2B在整体准确性和意图保留方面均优于现有基线模型。在线A/B测试显示，该系统在有效视频观看率上提升了2.593%，查询重写率降低了2.350%。

开发者落地与部署建议

• 部署环境：建议在具备GPU加速的环境中部署WeFair，以充分利用其深度学习模型的计算能力。
• 优化建议：开发者可根据具体应用场景调整反馈保真度分配机制，以实现最佳性能。例如，在对意图保留要求较高的场景中，可增加验证阶段的权重。
• 未来方向：未来可探索将WeFair与多模态数据（如视频内容、用户行为数据）结合，进一步提升搜索体验。

结论

WeFair的推出标志着短视屏搜索领域在个性化查询重写方面的重要进展。其基于人类反馈的分阶段对齐策略为AI驱动的搜索系统提供了新的技术路径。

---

消息来源：Hugging Face Daily Papers (2026-10-30)

—— 完 ——

主题标签： #WeChat 关注 #短视屏搜索 关注 #个性化查询重写 关注 #人类反馈 关注