WeFair：面向微信短视频搜索的个性化查询改写

WeFair-2B 已部署于微信短视频搜索，日均处理超 1 亿次查询。

资讯摘要

论文提出 WeFair，一种基于人类反馈的保真度感知对齐方法，用于微信短视频搜索的个性化查询改写。该方法按反馈对个性化意图的反映程度，将反馈分为示范、偏好、验证三个层级，分别采用监督微调、直接偏好优化和组相对策略优化训练。离线实验中 WeFair-2B 在整体准确率与意图保持上优于基线；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%。该模型已部署于微信短视频搜索系统，日均处理超 1 亿次查询。

要点速读

1. WeFair 将人类反馈按保真度分为示范、偏好、验证三级，分别对应监督微调、直接偏好优化与组相对策略优化。
2. 离线实验中 WeFair-2B 在整体准确率和意图保持上优于强改写基线。
3. 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%；模型已部署于微信短视频搜索，日均查询超 1 亿次。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。