← أحدث الأبحاث
💻 computer science

Retrieve, Match, Escalate: Accurate and Scalable Product Linking with VLM-Distilled Cross-Encoders and Agentic VLMs

تقدم هذه الورقة نظاماً لربط المنتجات يتسم بالقابلية للتوسع وكفاءة التكلفة، حيث يستخدم بنية متتالية (cascade architecture) يقوم فيها مشفر تقاطعي مُقطّر (distilled cross-encoder) بحل المطابقات عالية الثقة، بينما يتولى نموذج رؤية-لغة وكيلِيّ (agentic vision-language model) معالجة الحالات الغامضة، مما يؤدي إلى تعظيم التغطية مع تقليل التكاليف الحسابية ومتطلبات التوسيم البشري إلى أدنى حد.

المؤلفون الأصليون: Jian Wang, Steven Xu, Sanjyot Thete, Maryam Barouti, Tom Tang, Elaine Wu, Charu Sareen, Kyle MacDonald

نُشر 2026-08-27
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Jian Wang, Steven Xu, Sanjyot Thete, Maryam Barouti, Tom Tang, Elaine Wu, Charu Sareen, Kyle MacDonald

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

في السوق الشاسعة والفوضوية للإنترنت الحديث، يدرج ملايين البائعين المستقلين نفس السلع بأسماء مختلفة، وصور مختلفة، وأحياناً بتفاصيل مفقودة أو مربكة. قد يظهر منتج واحد، مثل نوع معين من آلات صنع القهوة، في كتالوج آلاف المرات، وكل مدخل يختلف قليلاً عن الآخر. بالنسبة للحواسيب التي تشغل محركات البحث وأنظمة الترشيح، يخلق هذا ضباباً مربكاً. فإذا لم يتمكن النظام من التعرف على أن هذين الإدراجين المختلفين هما في الواقع نفس السلعة، فلن يتمكن من دمج تقييماتهما، أو تتبع مبيعاتهما، أو إظهارهما للعملاء المناسبين. إن الهدف من "ربط المنتجات" هو تبديد هذا الضباب، والعمل كأمين مكتبة رقمي يقوم بفرز الضجيج للعثور على الهوية الصحيحة والوحيدة لكل عنصر على الرف. لا يعد هذا مجرد مسألة تنظيم؛ بل هو الأساس لكيفية فهم المتاجر عبر الإنترنت لما تبيعه.

قام فريق من الباحثين في "DoorDash" ببناء نظام جديد لحل هذه المشكلة على نطاق هائل، حيث يتعامل مع مليارات السجلات دون استنزاف الميزانية. لقد أدركوا أن معاملة كل منتج بنفس الطريقة هو هدر للموارد. فبعض السلع يسهل تحديدها لأن أسماءها وأكوادها تتطابق تماماً، بينما البعض الآخر يشبه التوائم الذين فصلت بينهم الظروف عند الولادة، مما يتطلب تحقيقاً عميقاً للتمييز بينهم. وبدلاً من استخدام عقل حاسوبي قوي ومكلف لفحص كل منتج، ابتكروا عملية مكونة من ثلاث خطوات تبذل الجهد فقط عندما تكون هناك حاجة حقيقية لذلك. أولاً، يقوم النظام بتضييق الاحتمالات بسرعة إلى قائمة صغيرة من المطابقات المحتملة. بعد ذلك، يقوم برنامج حاسوبي سريع وخفيف الوزن بفحص هذه الأزواج؛ فإذا كان التطابق واضحاً، يقبله النظام فوراً، وإذا كان التطابق خاطئاً بشكل جلي، يرفضه. أما إذا كان البرنامج غير متأكد، فإنه يصعد الحالة الصعبة إلى وكيل ذكاء اصطناعي أكثر تقدماً.

هذا الوكيل المتقدم هو قلب الاكتشاف الجديد. فخلافاً للبرنامج السريع الذي يقرأ النصوص فقط، يمكن لهذا الوكيل النظر في صور المنتجات، والأهم من ذلك، البحث في الإنترنت المفتوح عن أدلة إضافية. عندما يواجه النظام زوجاً مربكاً من الإدراجات حيث الأسماء متشابهة لكن التفاصيل غامضة، يعمل الوكيل كالمحقق؛ فقد ينظر إلى صورة قدر ليرى ما إذا كان مصنوعاً من الحديد الزهر أو الفولاذ المقاوم للصدأ، أو قد يبحث في الويب باستخدام رقم الباركود للعثور على الوصف الرسمي للشركة المصنعة. هذه القدرة على جمع الأدلة من خارج السجلات الأصلية تسمح للنظام بحل الحالات التي قد تحبط أداة بسيطة تعتمد على مطابقة النصوص. وقد وجد الباحثون أنه باستخدام استراتيجية "التصعيد" هذه، تمكنوا من ربط ما يقرب من 77 في المئة من جميع المنتجات تلقائياً، وهي قفزة كبيرة من نسبة 68 في المئة التي كان بإمكان الأدوات الأرخص والأسرع تحقيقها بمفردها.

اكتشف الفريق أيضاً حقيقة مفاجئة حول كيفية تدريب هذه الأنظمة. فبدلاً من توظيف آلاف البشر لتصنيف ملايين الأمثلة، استخدموا نموذجين مختلفين من الذكاء الاصطناعي المتقدم لتقييم نفس العناصر؛ حيث احتفظوا فقط بالإجابات التي اتفق فيها النموذجان، مما خلق مجموعة بيانات تدريب موثوقة للغاية. سمحت هذه الطريقة بتعليم البرنامج السريع والخفيف كيفية اتخاذ القرارات بنفس ثقة النموذج المكلف والبطيء، ولكن بجزء بسيط من التكلفة. كما وجدوا أن مجرد تغذية النظام بالأرقام الخام للباركود كان يعمل بشكل أفضل من إعطائه علامة "مطابقة" أو "عدم مطابقة" جاهزة، لأن الحاسوب يمكنه تعلم رصد المطابقات الجزئية والأخطاء من تلقاء نفسه. ومع ذلك، كان عليهم توخي الحذر، إذ إن الاعتماد المفرط على الباركود قد يؤدي إلى أخطاء عندما يتشارك منتجان مختلفان بالصدفة نفس الكود. وقد حلوا ذلك بتعليم النظام التحقق المزدوج من اسم المنتج كلما تطابق الباركود، لضمان عدم تعرضه للخداع بسبب الأخطاء النادرة.

من خلال الجمع بين مرشح سريع ووكيل ذكي يبحث في الويب، ابتكر الباحثون نظاماً يتسم بالدقة والتكلفة المناسبة في آن واحد. لقد استبدلوا ذكاءً اصطناعياً مكلفاً ومغلق المصدر بنسخة مستضافة ذاتياً تكلف حوالي سُبع التكلفة لتشغيلها، مع الحفاظ على دقة عالية. يعني هذا النهج أن المتاجر عبر الإنترنت يمكنها تنظيف كتالوجاتها بشكل أكثر شمولاً، مما يضمن أن يرى العملاء مدخلاً واحداً واضحاً لكل منتج بدلاً من فوضى مبعثرة من النسخ المكررة. إن النتيجة هي طريقة أكثر ذكاءً وكفاءة لتنظيم بضائع العالم، مما يثبت أن أفضل طريقة لحل مشكلة ضخمة ليست دائماً باستخدام أكبر مطرقة لكل مسمار، بل بمعرفة الوقت المناسب لاستدعاء الخبير.

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 →