一句话看懂：微信短视频搜索团队提出 WeFair 对齐方法并训练出 WeFair-2B 查询改写模型，按反馈保真度分级利用人工反馈以抑制意图漂移；摘要称该模型已部署，服务日均超 1 亿次查询。值得关注的是它试图纠正“过度看重后续消费反馈、偏离用户当下需求”的思路。
事件核心：发生了什么
根据 Hugging Face Papers 收录的论文摘要，研究者针对短视频搜索中模糊查询的个性化意图恢复问题，提出 WeFair（Fidelity-Aware Alignment from Human Feedback）。该方法把人工反馈按“反映个性化意图的直接程度”分为演示、偏好、验证三级：先从搜索会话中挖掘真实查询和用户改写，做上下文筛选；再以监督微调课程从“上下文—查询”学习推进到推理与直接预测；随后用直接偏好优化从后续消费反馈中学习相对偏好；最后用组相对策略优化奖励与用户改写或保持目标的一致性，约束意图漂移。
摘要给出的结果是：WeFair-2B 在离线实验中整体准确率和意图保持上优于多个改写基线；在线 A/B 测试中，有效视频观看率相对提升 2.593%，查询重写率相对下降 2.350%。摘要称该模型已部署在微信短视频搜索系统，每天处理超过 1 亿次查询。
为什么重要
现有基于大模型的查询改写常借助合成推理和后续消费行为反馈来优化，但过度强调“后续看了什么”可能偏向有吸引力的内容，而非用户此刻的真实需求，造成即使改写有行为历史支撑仍出现意图漂移。WeFair 的分级反馈思路相当于给不同来源的信号排优先级：人类演示与验证目标优先，消费偏好作补充。这对搜索、推荐和广告场景的意图理解有参考价值，也说明在严格延迟约束下，小参数模型（2B）仍可通过精细对齐承担线上核心改写任务。
对用户/开发者/创作者的影响
对普通用户，如果改写更贴近原始意图，搜索结果可能更少“跑偏”，但效果取决于上线范围和实际流量；目前公开信息显示摘要只给出整体在线指标，未披露分场景差异。对开发者，该论文提供了一条可复用路线：用真实搜索会话构造监督数据，再用 DPO 与 GRPO 分别处理偏好和严格验证信号，适合延迟敏感的应用。对创作者和内容方，减少意图漂移意味着流量分配可能更看重“用户主动意图匹配”，而非单纯停留或消费信号，后续需观察推荐侧是否同步调整。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是线上效果能否在更长周期和更多查询类型上保持，摘要未提供完整实验细节；二是 2B 模型在微信之外的短视频或通用搜索场景是否可迁移；三是分级反馈方法对 DPO、GRPO 等训练成本的占用，以及其他搜索产品是否跟进类似“保真度感知”的对齐策略。
