🤖 AI

One Size, Many Fits: Aligning Diverse Group-Wise Click Preferences in Large-Scale Advertising Image Generation

تقدم هذه الورقة البحثية إطار عمل OSMF، وهو إطار موحد يعالج أوجه القصور في توليد صور الإعلانات بنموذج واحد يناسب الجميع من خلال تجميع المستخدمين ديناميكياً وتوظيف نموذج لغوي كبير متعدد الوسائط مدرك للمجموعات مع ضبط دقيق باستخدام تقنية Group-DPO لمواءمة تفضيلات النقر المتنوعة لكل مجموعة، مما يحقق أداءً هو الأفضل حالياً في كل من المقاييس غير المتصلة بالإنترنت والمقاييس المتصلة بالإنترنت.

المؤلفون الأصليون: Shuo Lu, Haohan Wang, Wei Feng, Weizhen Wang, Shen Zhang, Yaoyu Li, Ao Ma, Zheng Zhang, Jingjing Lv, Junjie Shen, Ching Law, Bing Zhan, Yuan Xu, Huizai Yao, Yongcan Yu, Chenyang Si, Jian Liang

نُشر 2026-02-04

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Shuo Lu, Haohan Wang, Wei Feng, Weizhen Wang, Shen Zhang, Yaoyu Li, Ao Ma, Zheng Zhang, Jingjing Lv, Junjie Shen, Ching Law, Bing Zhan, Yuan Xu, Huizai Yao, Yongcan Yu, Chenyang Si, Jian Liang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تدير لوحة إعلانية رقمية ضخمة تعرض الإعلانات لملايين الأشخاص. في الماضي، كانت الاستراتيجية هي "مقاس واحد يناسب الجميع". كنت ستنشئ إعلاناً واحداً مثالياً لزوج من الأحذية وتعرضه على الجميع. كان الهدف هو الحصول على أعلى عدد إجمالي من النقرات.

ولكن هنا تكمن المشكلة: ليس الجميع يحبون الشيء نفسه.

قد يعشق مراهق إعلان حذاء بخلفية حضرية خشنة لمتنزه تزلج.
قد يفضل جد أو جدة نفس الحذاء في بيئة حديقة نظيفة ومشمسة.
إذا عرضت إعلان "متنزه التزلج" على الجد، فلن ينقر عليه. وإذا عرضت إعلان "الحديقة" على المراهق، فلن ينقر عليه أيضاً.

تقدم الورقة البحثية نظاماً جديداً يسمى OSMF (مقاس واحد، يناسب الكثيرين) لإصلاح ذلك. فبدلاً من صنع إعلان واحد للجميع، يقوم بإنشاء إعلان فريد لمجموعات محددة من الناس، وكل ذلك من عقل حاسوبي واحد.

إليك كيف يعمل، مقسماً إلى خطوات بسيطة:

1. "التجميع الذكي" (PAAG)

التشبيه: تخيل منظم حفلات لا يكتفي بتصنيف الضيوف حسب العمر أو الجنس فقط. بدلاً من ذلك، ينظر إلى القائمة (المنتج) والضيوف معاً.

إذا كان المنتج هو هواتف ذكية، يدرك المنظم أن الرجال والنساء قد يكون لديهم أذواق مختلفة تماماً.
إذا كانت أحذية جري، يدرك المنظم أن العمر أهم من الجنس.
ما تفعله الورقة البحثية: يستخدم النظام أداة تسمى PAAG (التجميع التكيفي الواعي بالمنتج). إنها تنظر إلى المنتج وتاريخ المستخدم لتقوم ديناميكياً بتصنيف الناس إلى "نوادٍ" مناسبة. هي لا تستخدم قواعد جامدة؛ بل تستنتج: "بالنسبة لهذا المنتج المحدد، هؤلاء الـ 50,000 شخص يريدون في الواقع الشيء نفسه".

2. "المترجم الخارق" (G-MLLM)

التشبيه: فكر في رئيس طهاة بارع يمكنه الطبخ لحشد كبير، لكنه عادة ما يصنع وعاءً واحداً كبيراً من الحساء. النظام الجديد يشبه طاهياً يمكنه تغيير الوصفات فوراً بناءً على من يجلس على الطاولة.

يستخدم النظام نموذج لغة ضخم متعدد الوسائط وواعٍ بالمجموعات (G-MLLM). هذا ذكاء اصطناعي فائق الذكاء يفهم النصوص والصور معاً.
قبل أن يبدأ في الطبخ، يتم "تدريبه مسبقاً" لفهم "النكهات" (التفضيلات) الخاصة بكل مجموعة. يتعلم أن المجموعة (أ) تحب "الألوان الزاهية" والمجموعة (ب) تفضل "الأنماط البسيطة".

3. "اختبار التذوق" (Group-DPO)

التشبيه: تخيل أن الشيف يصنع نسختين من طبق ما. تقوم مجموعة من المتذوقين (نموذج المكافأة) بتجربتهما وتقول: "المجموعة (أ) أحبت الطبق الحار، لكن المجموعة (ب) كرهته".

يستخدم النظام تقنية تسمى Group-DPO. هو لا يسأل فقط: "أي صورة هي الأفضل؟" بل يسأل: "أي صورة هي الأفضل لهذه المجموعة تحديداً؟"
يقارن بين إعلانين لنفس المنتج. إذا حصل الإعلان "الحضري" على نقرات أكثر من مجموعة المراهقين، يتعلم الذكاء الاصطناعي صنع المزيد من الإعلانات "الحضرية" لهم. وإذا فاز إعلان "الحديقة" لدى كبار السن، فإنه يتعلم ذلك أيضاً.
يضمن هذا أن الذكاء الاصطناعي لن يرتبك بسبب الأذواق المتضاربة. إنه يتعلم كيف يكون "حرباء"، يغير أسلوبه لكل مجموعة.

4. "كتاب وصفات ضخم" (GAIP Dataset)

التشبيه: لتعليم طاهٍ كيف يطبخ لـ 40 مليون شخص، تحتاج إلى كتاب وصفات ضخم يحتوي على تعليقات حقيقية.

لم يستطع الباحثون العثور على كتاب عام يحتوي على هذا القدر من البيانات، لذا كتبوا كتابهم الخاص.
أنشأوا GAIP، وهي مجموعة بيانات تحتوي على 40 مليون مستخدم و 600,000 مجموعة متميزة. إنها مثل امتلاك سجل لما نقر عليه 600,000 نوع مختلف من الناس عندما شاهدوا 40 مليون إعلان مختلف. هذه هي المرة الأولى التي يتم فيها نشر "خريطة تفضيلات" مفصلة بهذا الحجم.

النتيجة

عندما اختبروا هذا النظام:

خارجياً (المحاكاة): توقع النقرات بشكل أفضل من أي طريقة سابقة.
واقعياً (في العالم الحقيقي): عندما عرضوا الإعلانات بالفعل على موقع تجارة إلكترونية رئيسي، حقق نهج "مقاس واحد، يناسب الكثيرين" نقرات أكثر بكثير من طرق "مقاس واحد يناسب الجميع" القديمة.

باختصار: تقول الورقة البحثية: "توقفوا عن محاولة إرضاء الجميع بإعلان واحد. استخدموا التجميع الذكي لمعرفة ما يحبه كل شخص، ودربوا ذكاءً اصطناعياً فائقاً لفهم تلك المجموعات المحددة، ثم قوموا بتوليد إعلانات مخصصة لكل منها. هذا يعمل بشكل أفضل، ولدينا البيانات التي تثبت ذلك".

ملخص تقني: مقاس واحد، ملاءمات متعددة (OSMF)

بيان المشكلة

تعتمد أنظمة توليد صور الإعلانات واسعة النطاق الحالية بشكل أساسي على استراتيجية "مقاس واحد يناسب الجميع"، حيث تعمل على تحسين معدل نقر (CTR) واحد إجمالي عبر قاعدة المستخدمين بأكملها. وبينما دمجت التطورات الأخيرة معدل النقر (CTR) كإشارة مكافأة في التعلم التعزيزي من التغذية الراجعة البشرية (RLHF)، إلا أن هذا النهج يفشل في مراعاة التباين الكبير في التفضيلات بين مجموعات المستخدمين المختلفة.

وكما ورد في المقدمة، فإن معاملة تفضيلات المستخدمين الشاملة على أنها قابلة للتطبيق عالميًا يؤدي إلى أداء دون المستوى للمجموعات الديموغرافية المحددة. فعلى سبيل المثال، قد تختلف التفضيلات لإعلانات الهواتف الذكية بشكل كبير حسب الجنس، بينما قد تختلف إعلانات الأحذية أكثر حسب العمر. إن النموذج الموحد الذي يحاول تلبية هذه التفضيلات المتضاربة (مثل "المناظر الطبيعية" مقابل "الملاعب الرياضية") في آن واحد غالبًا ما ينتج صورًا تفشل في جذب مجموعات معينة، مما يحد من فعالية التسويق المستهدف ويهدر الإنفاق الإعلاني. علاوة على ذلك، تواجه مناهج RLHF القائمة على المجموعات تحديين حاسمين: (1) محدودية قابلية التوسع لتجميع المستخدمين، حيث لا تستطيع التجميعات الثابتة ذات السمات المحددة التكيف مع فئات المنتجات المتنوعة؛ و(2) تضارب التفضيلات في النمذجة الموحدة، حيث تعجز النماذج ذات المخرج الواحد عن حل تفضيلات الصور المتناقضة.

المنهجية: إطار عمل OSMF

لمعالجة هذه القيود، يقترح المؤلفون إطار عمل One Size, Many Fits (OSMF)، وهو إطار عمل موحد مصمم لمواءمة تفضيلات النقر المتنوعة للمجموعات. يتكون الإطار من مرحلتين أساسيتين:

1. التجميع التكيفي المدرك للمنتج (PAAG)

يستبدل PAAG التجميع الثابت والجامد للمستخدمين بنهج ديناميكي يدمج سمات المستخدم مع خصائص المنتج.

نمذجة تفضيلات المستخدم: يقوم النظام بنمذجة سلوك نقر المستخدم من خلال ثلاثة فروع: سمات المستخدم ( $A$ )، وصور الإعلانات ( $I$ )، وعناوين المنتات ( $T$ ). ويستخدم مشفرات لاستخراج الميزات الدلالية من الصور والنصوص. والأهم من ذلك، أنه يستخدم آليات الانتباه المتقاطع (cross-attention) لإنشاء تمثيلات مستخدم مدركة للمنتج ( $e_{u|t}$ و $e_{u|c}$ )، مما يسمح لميزات المستخدم بالانتباه إلى دلالات منتج محددة وخصائص بصرية.
تجميع ميزات المجموعة: يتم تجميع المستخدمين بناءً على هذه التضمينات المدركة للمنتج باستخدام خوارزمية K-Means. ولتجنب الاعتماد على مركز واحد فقط وتغطية التنوع داخل المجموعة، يبني PAAG تمثيلات جماعية غنية ( $G_{s,k}$ ) عن طريق أخذ عينات من نقاط تمثيلية متعددة من توزيع المجموعة (بما في ذلك المركز والنقاط الطرفية عند نسب مئوية مختلفة). وهذا يضمن أن ميزة المجموعة تشمل السمات الجوهرية والاختلافات الدقيقة معًا.

2. توليد الصور المشروط بالتفضيلات (PCIG)

يستفيد PCIG من المجموعات المستمدة من PAAG لتوليد صور مخصصة عبر نموذج لغوي كبير متعدد الوسائط مدرك للمجموعة (G-MLLM).

بنية G-MLLM: يدمج النموذج معلومات المجموعة عن طريق إضافة رمز مجموعة ( $e_{G_{s,k}}$ $e_{G_{s, k}}$ ) إلى تسلسل الإدخال القياسي. ويخضع لتدريب مسبق متخصص على أربع مهام:
1. تحليل المجموعة: وصف ملفات تعريف المستخدمين النموذجية بلغة طبيعية.
2. التنبؤ بالسلوك: التنبيد بالمستخدمين الذين سينقرون مستقبلاً بناءً على المستخدمين الحاليين.
3. فهم المنتج: التنبؤ بعناوين المنتجات من الصور.
4. توليد الأوامر (Prompts): إنشاء أوامر صور مخصصة لمستخدمين محددين.
مواءمة التفضيلات لكل مجموعة (Group-DPO): لمواءمة النموذج مع التفاعل في العالم الحقيقي، قدم المؤلفون نموذج مكافأة مدرك للمجموعة (GRM). يقوم GRM بتقييم أزواج من صور الإعلانات بشرط تضمينات مجموعات محددة للتنبؤ بأداء معدل النقر (CTR) النسبي. وباستخدام أزواج التفضيلات هذه، يتم ضبط G-MLLM باستخدام تحسين التفضيل المباشر للمجموعات (Group-DPO). تهدف هذه العملية إلى تعظيم احتمالية توليد أوامر تؤدي إلى تحقيق معدل نقر أعلى لمجموعات مستهدفة محددة، مما يحل بفعالية صراعات التفضيلات بين المجموعات دون الحاجة إلى نماذج منفصلة لكل مجموعة.

المساهمات الرئيسية

يحدد البحث ثلاث مساهمات رئيسية:

PAAG: آلية ديناميكية لتجميع المستخدمين تتعلم التفضيلات المدركة للمنتج وتستخلص ميزات جماعية غنية من خلال التجميع التكيفي وأخذ عينات الميزات، متجاوزةً قيود التجميع الثابت في السيناريوهات واسعة النطاق.
PCIG: إطار عمل لتوليد الصور المشروط بالتفضيلات يستخدم نموذج G-MLLM مدرب مسبقًا وتقنية Group-DPO لتمكين نموذج موحد من توليد صور مخصصة لمجموعات مستخدم متنوعة مع حل صراعات التفضيلات.
مجموعة بيانات GAIP: تقديم مجموعة بيانات تفضيلات صور الإعلانات المجمعة (GAIP)، وهي أول مجموعة بيانات عامة واسعة النطلة لتفضيلات الصور على مستوى المجموعات. وهي تحتوي على حوالي 600,000 مجموعة مستخدم مشتقة من 40 مليون مستخدم، مما يوفر تعليقات توضيحية شاملة لتفضيلات المجموعات تتجاوز مجموعات البيانات الحالية بشكل كبير من حيث الحجم والدقة.

النتائج التجريبية

قيم المؤلفون OSMF من خلال تجارب شاملة في بيئات غير متصلة (offline) ومتصلة (online):

نمذجة التفضيلات (PAAG): بالمقارنة مع النماذج المرجعية (CACS, WIYD, JAC)، حقق OSMF أدنى قيمة لـ NDCG@5 (0.3066) وأعلى قيمة لـ AUROC (0.6372)، مما يشير إلى قدرة فائقة على تمييز تفضيلات المجموعات المتميزة ونمذجة نقرات المستخدمين.
أداء CTR عبر الإنترنت: في اختبار عبر الإنترنت لمدة أسبوع واحد على 10,000 منتج عالي الظهور، حقق OSMF تحسنًا نسبيًا بنسبة 5.479% في معدل النقر (CTR) مقارنة بنموذج G-MLLM المدرب مسبقًا، وتفوق على طريقة CAIG المتطورة (التي حققت تحسنًا بنسبة 3.425%). يثبت هذا أن نمذجة تفضيلات مستوى المجموعة بشكل صريح تحقق نتائج تجارية أفضل من التحسين الإجمالي.
نمذجة المكافأة: تفوق نموذج المكافأة المدرك للمجموعة (GRM) بشكل كبير على النماذج اللغوية الكبيرة متعددة الوسائط العامة ونماذج مكافأة CTR الحالية في دقة الأزواج (بتحسن قدره 4.7% عن CAIG)، مما يؤكد أهمية سياق المجموعة في تقدير التفضيلات.
التحليل النوعي: أظهرت النتائج المرئية أن OSMF نجح في توليد صور متنوعة أسلوبيًا (مثل: نابضة بالحياة مقابل بسيطة) مصممة لمجموعات مستخدم محددة لنفس المنتج، مما يؤكد قدرته على التكيف مع الطلبات المتباينة.

الأهمية

يزعم البحث أن OSMF يمثل تحولًا كبيرًا من نموذج "مقاس واحد يناسب الجميع" في توليد صور الإعلانات. ومن خلال تقديم إطار عمل يوازن ديناميكيًا بين التفضيلات المتنوعة للمجموعات، فإنه يعالج عدم الكفاءة التجارية في توليد الإعلانات العامة. ويؤكد المؤلفون أن حتى التحسينات الطفيفة في معدل النقر (CTR) تترجم إلى مكاسب كبيرة في الإيرادات في التجارة الإلكترونية واسعة النطاق. كما يُنظر إلى إصدار مجموعة بيانات GAIP كإرث أساسي للأبحاث المستقبلية في توليد الصور المدركة للمجموعات، مما يسد فجوة حرجة في توفر بيانات تفضيلات المجموعات الواقعية واسعة النطاق. يوضح العمل أن الموازنة بين قابلية التوسع والتخصيص من خلال تحسين مستوى المجموعة هو مسار قابل للتطبيق وفعال للإعلانات على النطاق الصناعي.