Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation
تقدم هذه الورقة نظام "Shape Your Feed" (SYF)، وهو نظام وكيل يعتمد على النماذج اللغوية الكبيرة (LLM) يستبدل التصنيف السلبي بالتنسيق المشترك الحواري في الوقت الفعلي من خلال بنية ثلاثية المستويات، مما يظهر تحسينات كبيرة في صلة المحتوى وتوجهات المستخدمين عبر كل من دقة المحاذاة غير المتصلة بالإنترنت واختبارات A/B واسعة النطاق عبر الإنترنت.
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 أن هاتفك عبارة عن بوفيه مفتوح، لا ينتهي من المحتوى — فيديوهات، منشورات، وقصص — يقدمه لك طاهٍ نشيط وخفي. لسنوات، كان هذا الطاهي يعمل في الظلام، يخمن ما يعجبك بناءً على ما أكلته سابقاً فقط. إذا أطلت النظر إلى صورة قطة، يفترض الطاهي أنك تريد ألف قطة أخرى. وإذا تجاوزت وصفة طبخ، يفترض أنك تكره الطبخ. يسمى هذا "التصنيف السلبي" (passive ranking)، وبينما هو جيد في التخمين، إلا أنه غالباً ما يخطئ الهدف لأنه لا يستطيع سماع صوتك. فهو لا يعرف ما إذا كنت تريد حقاً رؤية تلك القطة، أم أنك توقفت فقط لتداعب قطتك الخاصة.
مؤخراً، وصلت تقنية جديدة تسمى "نماذج اللغات الكبيرة" (LLMs). فكر في هذه النماذج كأنها مساعدون أذكياء جداً ومحبون للدردشة، يمكنهم فهم ليس فقط ما تنقر عليه، بل ما تقوله أيضاً. يمكنهم سماع صوتك، وقراءة رسائلك النصية، وفهم تفاصيل حالتك المزاجية. السؤال الكبير الذي يواجه العلماء الذين يبنون أنظمة التوصية هو: هل يمكننا تعليم هذا المساعد الثرثار كيف يتولى إدارة المطبخ؟ هل يمكننا أن نجعلك تقول للطاهي: "في الواقع، لقد مللت من القطط اليوم؛ أحضر لي بعض الحقائق عن الفضاء"، ويقوم الطاهي بتغيير قائمة الطعام فوراً؟ هذا هو تحدي "التوصية الحوارية" (conversational recommendation) — الانتقال من نظام يخمن ذوقك إلى نظام يستمع إلى أوامرك.
نظام "شكل تغذيتك" (Shape Your Feed): الطاهي الذي يستمع
في ورقتهم البحثية، قدم فريق من الباحثين من شركة ميتا (Meta) نظاماً جديداً يسمى Shape Your Feed (SYF). لقد بنوا مطبخاً رقمياً حيث لا يكتفي الطاهي بالتخمين فحسب؛ بل يستمع، ويتعلم، ويعدل القائمة في الوقت الفعلي بناءً على تعليماتك المباشرة. بدلاً من النظام السلبي الذي ينتظر منك النقر على "لم يعجبني"، يعد SYF نظاماً "وكالياً" (agentic)، وهي طريقة منمقة للقول بأنه يعمل كنظام مساعد ذكي يمكنه اتخاذ إجراءات نيابة عنك.
وجد الباحثون أنه من خلال الجمع بين ذكاء اصطناعي ثرثار ومحرك توصية تقليدي، يمكنهم إنشاء "تغذية إخبارية" (feed) تبدو أكثر شبهاً بـ "تغذيتك الخاصة". وقد أظهروا أنه عندما يتمكن المستخدمون من التحدث إلى النظام أو استخدام أزرار ذكية لقول ما يريدونه بالضبط، يصبح النظام أفضل بكثير في عرض الأشياء المناسبة لهم.
كيف يحدث السحر: مطبخ التدفقات الثلاثة
يعمل نظام SYF مثل فريق مكون من ثلاثة أجزاء في المطبخ، لكل منها مهمة محددة:
1. تدفق الإدراك (الأذنان والدماغ)
هنا يستمع إليك النظام. قد تكتب "أريد المزيد من فيديوهات الطبخ ولكن بدون طعام حار"، أو تستخدم صوتك لتقول "أرني مواضيع أقل عن السياسة"، أو تضغط على زر ذكي يقول "لقًد مللت من هذا الموضوع". يأخذ "تدفق الإدراك" هذه التعليمات البشرية غير المنظمة ويحولها إلى "ملف دلالي" (Semantic Profile) واضح ومنظم. فكر في الأمر كأن الطاهي يكتب قائمة تسوق مرتبة بناءً على طلبك العشوائي. إنه يتذكر تاريخك، فإذا قلت "لا سياسة" بالأمس و"المزيد من التقنية" اليوم، فسيقوم بتحديث القائمة وفقاً لذلك. حتى أنه يذهب بهدوء ليجلب بعض "المكونات" الجديدة (فيديوهات أو منشورات) التي تطابق قائمتك الجديدة بينما لا تزال تتحدث.
2. تدفق التقديم (تنسيق وتقديم الطبق)
بمجرد تجهيز القائمة، يتولى "تدفق التقديم" المهمة. ينظر إلى كومة المحتوى الضخمة التي يعرضها النظام عادةً (مجموعة المرشحين)، ويبدأ في فرزها. يستخدم قائمة التسوق الجديدة الخاصة بالطاهي من أجل:
- الإضافة: جلب عناصر جديدة تطابق اهتماماتك الجديدة.
- التقليم: استبعاد أي شيء ينتهك قواعدك (مثل المنشورات السياسية التي منعتها).
- إعادة الترتيب: إعادة ترتيب الطبق بحيث تكون الأشياء التي طلبتها في المقدمة تماماً.
الأمر الجوهي هو أن هذا يحدث بسرعة فائقة. النظام لا يخمن فحسب؛ بل يستخدم طريقة تسجيل ذكية لتقرير مدى تأثير طلبك الجديد على الترتيب. إنه يمزج أوامرك الصريحة مع معرفة النظام المعتادة بما تحبه، مما يضمن عدم فقدان كل محتواك المفضل لمجرد أنك طلبت تغييراً بسيطاً.
3. تدفق التطور الذاتي (متذوق الطعام)
هذا هو الجزء الذي يجعل النظام يصبح أكثر ذكاءً بمرور الوقت. بعد أن يقدم لك النظام وجبة، يراقب ما تفعله. هل أكلت فيديو الطبخ الجديد؟ هل رميت منشور التقنية؟ كما يستخدم فريقاً من "أدوات الحكم" (AI judges) للتحقق مما إذا كانت قرارات النظام جيدة. إذا ارتكب النظام خطأً، فإنه يتعلم منه. استخدم الباحثون تقنية تسمى تحسين التفضيل المباشر (DPO)، وهي تشبه ممارسة الطاهي للطهي مع ناقد طعام صارم حتى يضبط المذاق تماماً. تضمن هذه الحلقة أن النظام لا يتبع الأوامر لمرة واحدة فحسب، بل يصبح أفضل في اتباعها في كل مرة.
ماذا وجدوا: الدليل في النتيجة النهائية
لم يكتفِ الباحثون ببناء هذا النظام فحسب، بل اختبروه ليروا ما إذا كان يعمل بالفعل.
الاختبارات غير المتصلة بالإنترنت (جولة التدريب)
أولاً، اختبروا وحدة "تسجيل المواءمة" (alignment scoring) في نظامهم — الجزء الذي يقرر ما إذا كان المنشور يطابق طلبك. وقارنوا نظامهم الجديد بالطرق القديمة التي تعتمد فقط على التخمين بناءً على أمثلة قليلة.
- الطريقة القديمة (few-shot) كانت تصيب في القرارات بنسبة 83.84% تقريباً.
- نظامهم الجديد، بعد التدريب مع "أدوات الحكم" ثم الصقل باستخدام بيانات مستخدمين حقيقية (SFT + DPO)، أصاب في القرارات بنسبة 98.85%.
- كما كان سريعاً للغاية، حيث استغرق 323 مللي ثانية فقط لتسجيل قائمة من العناصر، وهو وقت كافٍ لمنع هاتفك من التعليق.
الاختبارات المتصلة بالإنترنت (الوجبة الحقيقية)
بعد ذلك، أطلقوا نظام SYF للمستخدمين الحقيقيين في الولايات المتحدة وكندا لعدة أشهر. قسموا المستخدمين إلى مجموعتين: مجموعة حصلت على النظام القديم، والأخرى حصلت على نظام "شكل تغذيتك" الجديد.
- أحب المستخدمون أدوات التحكم الجديدة: عند منحهم الخيار بين الأزرار القديمة الثابتة و"حبوب التغذية الراجعة الواعية بالسياق" (الأزرار الذكية التي تتغير بناءً على ما تشاهده)، اختار 76.02% من المستخدمين الأزرار الجديدة الأكثر ذكاءً.
- محتوى أقل يكرهه الناس: نجح النظام الجديد في تقليل عدد المنشورات التي يتجاهلها أو لا تعجب المستخدمين. انخفض معدل "تجاهل المنشور" (Post Dismiss) بنسبة 1.70%، وانخفض معدل "عدم الإعجاب بالمنشور" (Post Dislike) بنسبة 2.74%. وهذا يعني أن النظام كان أفضل في تصفية الأشياء التي لا يريدها المستخدمون.
- مزيد من الاكتشاف: بدأ المستخدمون في استكشاف اهتمامات جديدة بشكل أكثر تكراراً، مع زيادة بنسبة 0.16% في "استهلاك الاهتمامات". يشير هذا إلى أن النظام لم يكن يخفي الأشياء فحسب، بل كان يساعد المستخدمين في العثور على أشياء جديدة يحبونها حقاً.
ماذا يعني هذا؟
تظهر الورقة البحثية أنه يمكننا الابتعاد عن الأنظمة التي تخمن فقط ما نريده بناءً على نقراتنا السابقة. من خلال إضافة طبقة من الذكاء الاصطناعي التي يمكنها فهم كلماتنا والعمل بموجبها، يمكننا إنشاء خلاصات إخبارية تبدو أكثر شخصية وأقل إحباطاً. وجد الباحثون أن هذا النهج يعمل بشكل جيد في العالم الحقيقي، مما يجعل المستخدمين أكثر سعادة ويقلل من كمية المحتوى الذي يتعين عليهم تخطيه.
ومع ذلك، يشير المؤلفون بحذر إلى أن هذا النظام يعتمد على تحدثك. إذا لم تخبر النظام أبداً بما تريده، فإنه يعود إلى الطريقة القديمة السلبية في التخمين. ويقترحون أن النسخ المستقبلية قد تحتاج لأن تكون أكثر استباقية، ربما عبر طرح أسئلة عليك قبل أن تدرك أنت نفسك أنك شعرت بالملل، لمساعدة أولئك الذين لا يفضلون تقديم الملاحظات. لكن في الوقت الحالي، يثبت نظام Shape Your Feed أن نظام التوصية الذي يستمع هو نظام يعمل بشكل أفضل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.