# Pinterest تستخدم نموذج Qwen3 بـ4 مليارات مَعلمة لاستنتاج اهتمامات المستخدمين

> تقول Pinterest إن النموذج زاد النقر على رسائل البريد الإلكتروني وفتح الإشعارات في اختبارات بالولايات المتحدة وكندا، عبر تحليل سجل النشاط لاستنتاج أهداف بعيدة المدى.

Oossa · 2026-11-09 · https://oossa.com/ar/pinterest-uses-a-4b-qwen3-model-to-infer-user-journeys

استبدلت Pinterest نظامها متعدد الخطوات لتجميع اهتمامات المستخدمين بنموذج لغوي Qwen3 مضبوط بدقة، يضم 4 مليارات مَعلمة. وتقول الشركة إن اختبارًا أوليًا في الولايات المتحدة وكندا رفع معدل النقر على رسائل البريد الإلكتروني بنسبة 1.1%، ومعدل فتح الإشعارات الفورية بنسبة 1.3%، مقارنة بنظامها السابق.

تعرّف Pinterest «الرحلة» بأنها هدف يربط اهتمامات الشخص ونواياه وظروفه عبر جلسات متعددة. فعلى سبيل المثال، قد تشير عمليات البحث عن خزائن المطبخ، وحفظ أفكار لأسطح العمل، ثم تصفح البلاط أو الإضاءة لاحقًا، إلى مشروع تجديد واحد، لا إلى اهتمامات منفصلة. ويستخدم النموذج هذه الرحلات المستنتجة ضمن نظام التوصيات الحالي لدى Pinterest؛ ولا يحل محل هذا النظام.

## كيف يعمل النظام الجديد؟

كان النظام السابق يستخرج الكلمات المفتاحية من النشاط، ويجمعها باستخدام التضمينات والتجميع الهرمي، ثم يستعين بنماذج وقواعد أخرى لتسمية المجموعات وترتيبها. وتقول Pinterest إن هذا قد يؤدي إلى تقسيم الأنشطة المترابطة إلى رحلات منفصلة، أو وضع تسميات مبهمة، أو اعتبار نقرة عابرة دليلًا على اهتمام مستمر.

يقرأ النموذج الجديد سجلًا زمنيًا يضم ما يصل إلى 150 إجراءً خلال فترة تمتد إلى 360 يومًا، إلى جانب ملف شخصي موجز للمستخدم، ثم ينشئ أسماء للرحلات ويرتبها. ويمنح إجراءات البحث والحفظ وزنًا أكبر من النقرات العرضية. وتركز تعليماته على تكرار النشاط وحداثته ومدى وضوح دلالته. كما تطلب منه عدم دمج الاهتمامات غير المرتبطة، واستبعاد النشاط الذي يحدث لمرة واحدة، وعدم إرجاع أي رحلة عندما تكون الأدلة ضعيفة.

استخدمت Pinterest نماذج أكبر لإنشاء أمثلة تدريب اصطناعية من سجلات النشاط، ثم ضبطت نماذج Qwen3 أصغر مفتوحة الأوزان. وبعد اختبار نماذج تضم من 0.6 مليار إلى 8 مليارات مَعلمة، اختارت إصدار 4 مليارات مَعلمة لتحقيق توازن بين جودة الاستدلال وسرعة تقديم الخدمة. وتشغّله Pinterest باستخدام NVIDIA Dynamo وvLLM على وحدات معالجة الرسومات L40S، وتتجنب إعادة الاستدلال للمستخدمين الذين أُنشئت رحلاتهم خلال اليومين الماضيين تقريبًا.

## ما الذي قاستْه Pinterest؟

تقيّم Pinterest جودة الرحلات من خلال مقارنات مباشرة، ونموذج لغوي منفصل يحكم على مدى ارتباط الرحلة بالنشاط واستنادها إليه، وتجارب على الإنترنت. وتفيد الشركة بتحقيق مكاسب ذات دلالة إحصائية في التفاعل والاحتفاظ بالمستخدمين في اختبارات A/B الأولية، إلى جانب ارتفاع معدلي النقر والفتح. ولم تذكر في المعلومات المقدمة حجم الزيادة في الاحتفاظ بالمستخدمين.

يشبه هذا النهج استخدام Netflix لتسلسلات طويلة من نشاط الأعضاء لتحسين أنظمة التوصية. فـPinterest تنشئ أوصافًا صريحة للرحلات، بينما تحدثت Netflix عن إنشاء تمثيلات قابلة لإعادة الاستخدام للتفضيلات؛ ويُدخل الطرفان السلوك طويل الأمد في أنظمة التخصيص الحالية.

## الحقائق

- يراجع النموذج ما يصل إلى 150 إجراءً للمستخدم خلال فترة مدتها 360 يومًا، إلى جانب ملف شخصي موجز.
- اختبرت Pinterest نماذج Qwen3 تضم من 0.6B إلى 8B مَعلمات، واختارت نموذج 4B.
- في اختبارات A/B أولية بالولايات المتحدة وكندا، أفادت Pinterest بارتفاع معدل النقر على رسائل البريد الإلكتروني بنسبة 1.1% ومعدل فتح الإشعارات الفورية بنسبة 1.3% مقارنة بنظامها القائم على التجميع.
- تقول Pinterest إن الاختبارات أظهرت أيضًا مكاسب ذات دلالة إحصائية في التفاعل والاحتفاظ بالمستخدمين، لكنها لم تذكر حجم الزيادة في الاحتفاظ.

## لماذا يهم

قد يجعل هذا التغيير رسائل البريد الإلكتروني والإشعارات الفورية المتعلقة بالمشروعات أكثر توافقًا مع نشاط مستخدمي Pinterest الممتد عبر زيارات متعددة؛ إذ تفيد الشركة بارتفاع معدلي النقر والفتح في اختباراتها الأولية. لكن النتائج لا توضح ما إذا كان جميع المستخدمين سيحصلون على توصيات أكثر صلة، ولا حجم التحسن في الاحتفاظ بالمستخدمين.

## المصادر والمراجع

1. [Pinterest Replaces Journey Clustering with 4B Qwen3 LLM, Reports Improved Engagement](https://www.infoq.com/news/2026/11/pinterest-journey/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-11-09

آخر تحديث: 2026-11-09