Pinterest用40亿参数的Qwen3 LLM替代用户旅程聚类，报告参与度提升
2026年11月12日 · 阅读 1 分钟
Pinterest已将其用户旅程推断系统从多阶段聚类管道转变为经过微调的40亿参数语言模型，报告称电子邮件点击率提高了1.1%，推送开启率提高了1.3%。
该模型不再将关键字聚类为兴趣，而是分析用户的活动历史，以识别长期目标，并将这些旅程输入Pinterest现有的推荐基础设施中。
Pinterest将“旅程”定义为跨多个会话连接兴趣、意图和上下文的目标。例如，某人在翻新厨房时，可能会搜索橱柜设计，保存台面想法，随后探索反 backsplash 瓷砖或照明。这些互动共同表明一个连贯的项目，而不是几项无关的兴趣。
与之前的系统相比，该新系统将推断视为生成任务。经过微调的LLM读取最多150个用户操作的时间顺序历史，结合紧凑的用户档案，生成一组排序的旅程名称。搜索和保存操作比偶然点击更具权重，同时提示指示模型考虑重复参与、最近性和特异性。
在没有广泛人工标注数据集的情况下，Pinterest使用前沿模型从用户活动历史中生成合成训练示例，以微调较小的开放权重Qwen3模型，通过监督微调和低秩适应（LoRA）。