← أحدث الأبحاث
💬 NLP

OneSearch-V2: The Latent Reasoning Enhanced Self-distillation Generative Search Framework

تقدم الورقة البحثية OneSearch-V2، وهو إطار عمل للبحث التوليدي يعتمد على التقطير الذاتي المعزز بالاستدلال الكامن، والذي يعمل على تحسين فهم الاستعلام، وكشف نوايا المستخدم الدقيقة، والمواءمة مع التفضيلات الشخصية من خلال ثلاثة ابتكارات رئيسية، مما أدى إلى مكاسب كبيرة في الأداء الفعلي والافتراضي في البحث الخاص بالتجارة الإلكترونية دون زيادة تكاليف الاستدلال.

المؤلفون الأصليون: Ben Chen, Siyuan Wang, Yufei Ma, Zihan Liang, Xuxin Zhang, Yue Lv, Ying Yang, Huangyu Dai, Lingtao Mao, Tong Zhao, Zhipeng Qian, Xinyu Sun, Zhixin Zhai, Yang Zhao, Bochao Liu, Jingshan Lv, Xiao Liang
نُشر 2026-03-26
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Ben Chen, Siyuan Wang, Yufei Ma, Zihan Liang, Xuxin Zhang, Yue Lv, Ying Yang, Huangyu Dai, Lingtao Mao, Tong Zhao, Zhipeng Qian, Xinyu Sun, Zhixin Zhai, Yang Zhao, Bochao Liu, Jingshan Lv, Xiao Liang, Hui Kong, Jing Chen, Han Li, Chenyi Lei, Wenwu Ou, Kun Gai

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 تتسوق في متجر رقمي ضخم وفوضوي (مثل مول كوايشو - Kuaishou). تقوم بكتابة استعلام بحث، ويحاول "مساعد التسوق بالذكاء الاصطائي" الخاص بالمتجر تخمين ما تريد شراءه.

كان المساعد القديم (OneSearch V1) جيداً، لكنه عانى من ثلاث مشكلات كبيرة:

  1. كان حرفياً بعض الشيء: إذا طلبت "هدايا لصديقتي"، فقد يعرض لك مجرد صناديق عامة بدلاً من التفكير: "أوه، هي تحب الزهور، ولكن ربما ليس الورود بسبب حساسيتها".
  2. كان يعتمد كثيراً على الماضي: كان يتذكر فقط ما اشتراه الجميع غيرك، وليس ما تريده أنت تحديداً في هذه اللحظة.
  3. كان يعلق في حلقة مفرغة: كان يستمر في إظهار نفس المنتجات الشهيرة، مما يجعل من الصعب العثور على منتجات جديدة أو متخصصة (فقاعة المعلومات).

OneSearch-V2 هو المساعد الجديد والمطور. إنه لا يخمن فحسب؛ بل يفكر قبل أن يتحدث، ولكنه يفعل ذلك بطريقة سريعة للغاية ولا تسبب بطئاً في المتجر.

إليك كيف يعمل، باستخدام تشبيهات بسيطة:

1. مرحلة "العصف الذهني" (فهم الاستعلام المعزز بالتفكير)

المشكلة: عندما تكتب استعلاماً غامضاً مثل "شيء ليوم ممطر"، كان الذكاء الاصطناعي القديم يبحث عن المظلات فقط. لقد فاته معاطف المطر، أو الشوكولاتة الساخنة، أو الأغطية الدافئة.
حل النسخة الثانية (V2): قبل أن يعطيك الذكاء الاصطناي إجابتك، يقوم بجلسة "عصف ذهني" سريعة وغير مرئية في الخلفية.

  • التشبيه: تخيل طباخاً، قبل الطهي، يكتب بطاقة وصفة سريعة في ذهنه: "المستخدم يريد 'يوماً ممطراً' -> يعني: البقاء جافاً (مظلة)، البقاء دافئاً (سترة)، أو الراحة (حساء)".
  • السحر: في النظام القديم، كان على الذكاء الاصطناي أن ينطق هذا المنطق بصوت عالٍ (مما يستغرق وقتاً طويلاً جداً). في النسخة الثانية، يستخدم الذكاء الاصطناعي "سلسلة أفكار الكلمات المفتاحية" (Keyword CoT) الخاصة به. فهو يستخرج فقط الكلمات المفتاحية من جلسة العصف الذهني هذه (مثل "مظلة"، "سترة"، "حساء") ويستخدمها لتركيز رؤيته. الأمر يشبه الطباخ الذي يقرأ بطاقة وصفته الذهنية فوراً دون الحاجة لكتابتها.

2. مرحلة "التدريب الخفي" (الاستنتاج الداخلي عبر التقطير الذاتي)

المشكلة: عادةً، لتعليم الذكاء الاصطناعي التفكير بعمق، يجب أن تجعله يكتب تفسيرات طويلة. لكن الكتابة تستغرق وقتاً، وفي متجر مزدحم، لا يمكنك الانتظار 5 ثوانٍ ليفكر الذكاء الاصطناعي.
حل النسخة الثانية (V2): يستخدم النظام تقنية تسمى التقطير الذاتي (Self-Distillation).

  • التشبيه: تخيل طباخاً ماهراً (المعلم) ومتدرباً (الطالب).
    • الطريقة القديمة: يكتب المعلم الماهر مقالاً من 10 صفحات حول كيفية تحضير طبق ما، ويقوم الطالب بقراءته في كل مرة. هذا بطيء.
    • طريقة النسخة الثانية (V2): يطبخ المعلم الماهر الطبق أثناء قراءة ملاحظات الوصفة السرية الخاصة به. أما المتدرب فيراقب المعلم وهو يطبخ دون الحاجة للملاحظات. يحاول المتدرب تقليد حركات المعلم بدقة.
    • النتيجة: بعد التدرب بهذه الطريقة، يكتسب المتدرب (النموذج) الحدس الخاص بالوصفة. الآن، عندما يطبخ المتدرب بمفرده، فإنه لا يحتاج إلى الملاحظات بعد الآن. إنه فقط "يعرف" ما يجب فعله فوراً.
  • لماذا هذا مهم؟: لقد أصبح الذكاء الاصطناعي قد "استوعب" المنطق داخلياً. لم يعد بحاجة للتوقف والتفكير؛ فقد أصبح التفكير جزءاً من ذاكرته العضلية. وهذا يعني أنه ذكي وسريع في آن واحد.

3. مرحلة "التغذية الراجعة في الوقت الفعلي" (محاذاة تفضيلات السلوك)

المشكلة: كان النظام القديم يتعلم من تقرير ثابت عما اشتراه الناس الشهر الماضي. إذا بدأت صرعة جديدة اليوم، فلن يعرف النظام عنها حتى الشهر القادم. كما أنه قد يتم "اختراقه" عبر عرض العناصر الأكثر شعبية فقط، متجاهلاً ما نقرت عليه أنت بالفعل.
حل النسخة الثانية (V2): يتوقف عن انتظار التقارير الشهرية ويبدأ في الاستماع إلى الهمسات في الوقت الفعلي.

  • التشبيه: تخيل نادلاً كان يقرأ فقط قائمة "الأكثر مبيعاً" من العام الماضي. الآن، يراقب النادل طاولتك أثناء تناولك الطعام.
    • إذا نظرت بتمعن إلى قائمة الحلويات، فإنه يدون ذلك.
    • إذا طلبت قهوة، فإنه يتذكر أنك تحب القهوة.
    • إذا تجاهلت شريحة اللحم الغالية واشتريت الحساء، فإنه يتعلم أنك تفضل الحساء، حتى لو كانت شريحة اللحم هي "الأكثر مبيعاً".
  • السحر: يقوم النظام بتعديل توصياته فوراً بناءً على نقراتك وعمليات الشراء الفعلية، موازناً بين ما هو شائع وما تريده أنت تحديداً. كما أنه يستخدم نهجاً "هرمياً": فهو أولاً يخمن الفئة (مثل "أحذية")، ثم النمط (مثل "جري")، ثم العلامة التجارية. إذا أخطأ في الخطوة الأولى، فإنه يتوقف عن إضاعة الوقت في بقية الخطوات، مما يوفر الطاقة ويحسن الدقة.

النتيجة النهائية

بفضل هذه التحديثات الثلاثة، يصبح OneSearch-V2 مثل مساعد تسوق:

  1. يفهم السياق (يعرف أن "يوم ممطر" يعني أكثر من مجرد مظلات).
  2. يفكر فوراً (حفظ المنطق دون الحاجة لكتابته).
  3. يتكيف معك (يتعلم ذوقك الخاص في الوقت الفعلي).

النتيجة:

  • تجد ما تريد بشكل أسرع.
  • تكتشف عناصر جديدة ورائعة لم تكن تعلم بوجودها (كسر "الفقاعة").
  • يبيع المتجر المزيد لأن الاقتراحات مفيدة حقاً.
  • والأفضل من ذلك: يفعل كل هذا دون جعل الموقع بطيئاً أو ثقيلاً. إنه عقل أكثر ذكاءً يعمل بنفس سرعة العقل القديم.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💬 cs.CL →