arXiv · cs.AI · Yingtao Ren, Aolin Li, Cheng Cheng, Huiyun Hu, Huasheng Liang, Baoxing Xie, Jun Yuan, Haijun Wu, Yiwei Fu, Chenxing Wang · 9 小时前模型评分44
WeFair：面向微信短视频搜索个性化查询改写的人类反馈保真对齐方法
WeFair: Fidelity-Aware Alignment from Human Feedback for Personalized Query Rewriting in Short-Video Search
导读
研究提出 WeFair，按人类反馈反映个性化意图的直接程度分级，用示范、偏好、验证三阶段训练 2B 查询改写模型。离线实验中 WeFair-2B 在整体准确率和意图保持上优于强基线，微信短视频搜索线上 A/B 测试显示有效视频观看率相对提升 2.593%、查询改写率相对下降 2.350%。该模型已部署于日均处理超 1 亿次查询的微信短视频搜索系统。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：内容与娱乐
事件类型：研究发布
证据摘录
- “We propose WeFair, Fidelity-Aware Alignment from Human Feedback for Personalized Query Rewriting in WeChat short-video search.”
- “WeFair-2B has been deployed in the WeChat short-video search system, which serves over 100 million queries per day.”
来源：arXiv · cs.AI · arxiv.org