TGViewer
Database Database @database_academy · 892 subscribers
Post #1486 60
🔵 عنوان مقاله
LLMs for Relevance: Automating High-Quality Product Relevance Labeling in Flipkart Search (10 minute read)

🟢 خلاصه مقاله:
در دنیای تجارت الکترونیک، ارائه نتایج جستجوی مرتبط و با کیفیت نقش بسیار مهمی در رضایت مشتریان دارد. شرکت فلیپکارت با توجه به حجم بالای محصولات و جستجوهای روزانه، نیازمند روشی هوشمندانه و کارآمد برای تعیین ارتباط میان محصولات و عنوان‌های جستجو است. در نتیجه، تیم توسعه این شرکت از فناوری‌های پیشرفته هوش مصنوعی و یادگیری ماشین بهره گرفته است تا فرآیند برچسب‌گذاری مرتبط بودن محصولات با جستجوها را خودکار کند. این روش نه تنها باعث صرفه‌جویی در زمان و هزینه می‌شود، بلکه دقت و کیفیت نتایج را نیز بهبود می‌بخشد.

در مرحله اول، مدل ارزیابی مرتبط بودن محصولات (Relevance Labeling Model) در فلیپکارت بر اساس روشی به نام "یادگیری تقویتی با نمونه‌گیری‌های آزادشده" (Supervised Fine-Tuning یا SFT) آموزش می‌بیند. این مدل از میلیون‌ها نمونه متعادل شامل کوئری و محصول و همچنین فرآیندهای استنتاجی احتمالی، برای یادگیری الگوهای مربوط بودن استفاده می‌کند. هدف از این مرحله، ایجاد یک معیار اولیه و قابل اعتماد برای سنجش ارتباط محصولات با درخواست‌های کاربران است. پس از آن، تیم توسعه با استفاده از رویکردی به نام "هماهنگی در مدل‌های تقویتی" (GRPO) بر پایه یک مدل پاداش با ابعاد 8 میلیارد، فرآیند ارزیابی و اصلاح مدل را انجام می‌دهد. این مدل پاداش به صورت همزمان کیفیت توضیحات و صحت برچسب‌ها را ارزیابی می‌کند، تا اطمینان حاصل شود که مدل نه تنها مرتبط بودن را تشخیص می‌دهد، بلکه توضیحات منطقی و قابل قبول نیز ارائه می‌دهد.

نتیجه نهایی، گزارش ارزیابی مرتبط بودن نمره NDCG است که به صورت خودکار تولید می‌شود. این گزارش با نمونه‌های دستی و انسانی مقایسه شده و تفاوتی کمتر از 1 درصد دارد. مهم‌تر اینکه، این فرآیند خودکار هزینه‌ای حدود 30 درصد کمتر از ارزیابی‌های دستی دارد و در عین حال دقت و اعتمادپذیری همچنان حفظ شده است. این پیشرفت‌ها نشان می‌دهد که استفاده از فناوری‌های هوشمند در بهبود فرآیندهای کسب‌وکار، می‌تواند تاثیر چشمگیری در کاهش هزینه‌ها و ارتقاء کیفیت خدمات داشته باشد.

در نتیجه، بهره‌گیری از مدل‌های زبان بزرگ و فناوری‌های نوین در حوزه ارزیابی کیفیت محصولات، فرصت‌های بی‌نظیری را برای شرکت‌های تجارت الکترونیک فراهم می‌کند تا بتوانند تجربه مصرف‌کننده را بهبود بخشند و روند تصمیم‌گیری در فرآیند جستجو را هوشمندانه‌تر و کارآمدتر سازند.

#هوش_مصنوعی #یادگیری_ماشین #فناوری_پیشرفته #تجارت_الکترونیک

🟣لینک مقاله:
https://blog.flipkart.tech/llms-for-relevance-automating-high-quality-product-relevance-labeling-in-flipkart-search-ddd5ca50b584?utm_source=tldrdata

➖➖➖➖➖➖➖➖
👑 @Database_Academy
Medium LLMs for Relevance: Automating High-Quality Product Relevance Labeling in Flipkart Search Amey Patil , Shreya Malani· November 2025
More from @database_academy
  1. Oct 14, 2026🔵 عنوان مقاله Apache Spark Resource Optimization: Lessons From Eight Million Jobs a Day (…
  2. Oct 14, 2026🔵 عنوان مقاله Your Ontology Records Permission. It Does Not Resolve Authority (11 minute…
  3. Oct 14, 2026🔵 عنوان مقاله The reverts will continue until morale improves (5 minute read) 🟢 خلاصه مق…
  4. Oct 14, 2026🔵 عنوان مقاله Designing enzymes for new-to-nature chemistry and non-natural substrates wi…
  5. Oct 13, 2026🔵 عنوان مقاله Query Plan Hints in Postgres 19 🟢 خلاصه مقاله: در پایگاه داده‌های PostgreS…
  6. Oct 13, 2026🔵 عنوان مقاله OpenAI Math (GitHub Repo) 🟢 خلاصه مقاله: شرکت OpenAI اخیراً مجموعه‌ای از ۷…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →