# Pinterest用4B参数Qwen3模型推断用户长期兴趣

> Pinterest称，在美国和加拿大的测试中，新模型通过分析用户历史行为、识别长期目标，提高了邮件点击率和推送通知打开率。

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

Pinterest已用经过微调的40亿参数Qwen3语言模型，取代此前用于归纳用户兴趣的多步骤系统。该公司称，在美国和加拿大进行的初步测试中，与旧系统相比，新模型使邮件点击率提高了1.1%，推送通知打开率提高了1.3%。

Pinterest将“journey”（用户历程）定义为一种跨越多次访问、串联起用户兴趣、意图和具体情境的目标。例如，搜索橱柜、收藏台面设计，之后又浏览瓷砖或照明产品，这些行为可能都指向同一个装修项目，而非彼此无关的兴趣。模型推断出的用户历程会用于Pinterest现有的推荐系统，并不会取代该系统。

## 新系统如何运作？

旧流程会从用户活动中提取关键词，通过嵌入和层次聚类将关键词分组，再用其他模型和规则为各组命名、排序。Pinterest称，这种方法可能把相关行为拆分到不同的用户历程中，生成含糊的标签，或把偶然点击当成长期意图。

新模型会读取360天内最多150条按时间排序的行为记录，以及一份精简的用户档案，并生成排序后的用户历程名称。搜索和收藏行为的权重高于偶然点击。模型指令强调要关注行为是否重复、发生时间是否接近，以及表现出的兴趣是否具体；同时要求模型不要合并无关兴趣、过滤一次性行为，并在证据不足时不生成用户历程。

Pinterest先用更大的模型根据用户行为记录生成合成训练样本，再对小型开源权重Qwen3模型进行微调。在测试了参数量从6亿到80亿的模型后，该公司选择了40亿参数版本，以兼顾推理质量和运行速度。Pinterest通过NVIDIA Dynamo和vLLM在L40S GPU上运行该模型，并避免对过去几天内已生成用户历程的用户重复执行推理。

## Pinterest衡量了哪些指标？

Pinterest通过并排比较、另一个用于判断用户历程是否相关且有行为依据的语言模型，以及线上实验来评估用户历程的质量。该公司称，初步A/B测试显示，用户参与度和留存率均有统计显著的提升，点击率和打开率也有所提高。不过，Pinterest提供的材料没有说明留存率提升了多少。

这种做法与Netflix利用用户长序列行为数据改进推荐系统的方式有相似之处。Pinterest会生成对用户历程的明确描述，而Netflix曾介绍过如何构建可重复使用的偏好表示；两者都会将长期行为数据输入现有的个性化系统。

## 事实

- 该模型会查看360天时间窗口内最多150条用户行为，并结合一份精简的用户档案。
- Pinterest测试了参数量从0.6B到8B的Qwen3模型，最终选择了4B模型。
- 在美国和加拿大的初步A/B测试中，Pinterest称，与基于聚类的旧系统相比，邮件点击率提高了1.1%，推送通知打开率提高了1.3%。
- Pinterest称，测试还显示用户参与度和留存率有统计显著的提升，但未公布留存率提升幅度。

## 为什么重要

这项变化有望让Pinterest发送的项目相关邮件和推送通知更能反映用户跨多次访问表现出的兴趣；Pinterest称，初步测试中点击率和打开率均有所提高。但测试结果并不能说明每位用户都会获得更相关的推荐，也没有显示留存率具体提高了多少。

## 来源与参考

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

最后更新: 2026-11-09