أهم النقاط
- وصف Google Research طريقة R4T في 15 سبتمبر 2026، استنادًا إلى ورقة قُبلت في مؤتمر ICML 2026 ونُشرت أول مرة في مارس.
- تستخدم R4T التعلم المعزز مرة واحدة خارج الاتصال، ثم تدرّب نموذج انتشار من 53.9 مليون معامل يولّد الاستعلامات الفرعية في تمريرة واحدة.
- تجمع مكافأة التدريب بين ثلاثة أهداف هي الارتباط بمحتوى حقيقي والتنوع والاتساق مع الاستعلام الأصلي.
- تفيد الورقة بخفض زمن fan-out بمقدار رتبة عشرية على اختبارات كبيرة للأزياء والموسيقى، لا على بحث الويب.
- تقول وثائق Google إن AI Overviews وAI Mode قد تستخدم query fan-out، لكنها لا تقول إنها تستخدم R4T.
نشر Google Research طريقة R4T، اختصار Retrieve-for-Train، وهي طريقة تجعل تشغيل query fan-out (تفكيك طلبات البحث) أرخص بكثير. وتصف التدوينة المؤرخة 15 سبتمبر 2026 ورقة قُبلت في مؤتمر ICML 2026.
هذا بحث جُرّب على بيانات الأزياء والموسيقى، ولم تقل Google إنه يعمل في البحث.
ما query fan-out؟
يحوّل query fan-out طلبًا واسعًا واحدًا إلى عدة استعلامات فرعية مترابطة. ومثال Google نفسها هو “معدات التخييم”: يريد الباحث خيمة وكيس نوم وموقدًا ومصباح رأس، لا عشر صيغ متقاربة لخيمة أربعة أشخاص.
وتقول وثائق Google عن ميزات الذكاء الاصطناعي إن AI Overviews وAI Mode قد تستخدمان fan-out، فتجريان عدة عمليات بحث مترابطة عبر موضوعات فرعية ومصادر بيانات لبناء الإجابة.
والمشكلة التي تعالجها R4T هي التكلفة. فطلب تخطيط الاستعلامات الفرعية من نموذج لغوي كبير يستهلك رموز استدلال كثيرة، وتقول Google إن هذا يتعارض جذريًا مع أزمنة الاستجابة بأقل من ثانية التي يتطلبها شريط البحث في الإنتاج.
كيف تعمل R4T؟
تنقل الطريقة الجزء المكلف إلى مرحلة خارج الاتصال، في ثلاث خطوات:
- تدريب نموذج fan-out بالتعلم المعزز. تتعلم نماذج مفتوحة (Gemma3-4B وQwen3-4B) كتابة استعلامات فرعية تُقيَّم بثلاثة أهداف متوازنة: ارتباطها بعناصر حقيقية، وتنوعها، واتساقها مع الاستعلام الأصلي.
- توليد بيانات التدريب. ينتج النموذج المدرَّب أزواجًا من الاستعلامات ومجموعات النتائج، دون تصنيف بشري.
- تدريب نموذج صغير وسريع. يتعلم نموذج انتشار من 53.9 مليون معامل إنتاج مجموعة النتائج كاملة في تمريرة واحدة، دون استدلال خطوة بخطوة.
والتوازن مهم: فالتركيز على الارتباط بالواقع وحده أنتج كلامًا بلا معنى، وإضافة الاتساق وحده أنتجت صيغًا متقاربة تكاد تتطابق. وأغلق التنوع، المقاس بمؤشر Vendi Score، الثغرتين معًا.
ماذا تغطي النتائج؟
تفيد الورقة بمجموعات نتائج أفضل من خطوط الأساس القوية، وبخفض زمن fan-out بمقدار رتبة عشرية، على اختبارات كبيرة للأزياء والموسيقى. وهذه مجموعات أزياء وقوائم موسيقى منتقاة، وليست الويب. لا تذكر التدوينة ولا الورقة بحث Google ولا AI Mode ولا AI Overviews.
ووصف R4T في بعض التغطيات بأنه بحث جاهز للإنتاج يتجاوز ما نشرته Google.
لماذا يهمنا هذا؟
تقول Google إن ميزاتها الذكية قد تستخدم fan-out أصلًا، وأبحاث كهذه تسعى إلى جعل تشغيله أرخص. والدرس العملي لا تغيّره R4T: تُذكر الصفحات للاستعلامات الفرعية التي تجيب عنها جيدًا، فغطِّ الأسئلة المرتبطة بالموضوع لا كلمته الرئيسية وحدها.
وتقيس أداة جاهزية الإجابة للذكاء الاصطناعي هل تجيب صفحتك عن السؤال مباشرة. وتابع البحث بالذكاء الاصطناعي لتعرف هل تؤكد Google يومًا استخدام R4T.
الأدلة
- النوع
- أخبار المجال
- التأثير
- محدود
- يؤثر في
- query fan-out، AI Mode، AI Overviews
المصادر
- 1.Bypassing inference bottlenecks: Accelerating complex AI search with Retrieve-for-Train، Google Research Blog، 15 سبتمبر 2026مصدر أساسي
- 2.Efficient, Property-Aligned Fan-Out Retrieval via RL-Compiled Diffusion، arXiv، 6 مارس 2026مصدر أساسي
- 3.AI features and your website، Google Search Centralمصدر أساسي
- 4.Google Announces New Query Fan-Out Framework: R4T-Diffusion، Search Engine Journal، 24 سبتمبر 2026
أسئلة شائعة
ما query fan-out؟
تفكيك استعلام واسع واحد إلى عدة استعلامات فرعية مترابطة لتغطي النتائج جوانب مختلفة مما يريده الباحث. وتقول Google إن AI Overviews وAI Mode قد تستخدمه، فتجري عدة عمليات بحث مترابطة عبر موضوعات فرعية ومصادر بيانات.
هل يستخدم بحث Google طريقة R4T؟
لم تقل Google ذلك. جرّبت مدونة البحث والورقة R4T على اختبارات الأزياء والموسيقى، ولا تذكر أي منهما بحث Google ولا AI Mode ولا AI Overviews.
ماذا يفعل أصحاب المواقع بشأن query fan-out؟
غطِّ الأسئلة المرتبطة بالموضوع، لا الكلمة الرئيسية وحدها. يبحث نظام fan-out عن صفحات تجيب عن الاستعلامات الفرعية، فقد تُذكر صفحة تعالج جانبًا واحدًا جيدًا حتى لو لم تتصدر الاستعلام الواسع.
عن الكاتب
مؤسس UpgradIQ FZC LLC
يعمل Adam Hafez في SEO التقني وقياس البحث، من الزحف والفهرسة إلى استشهاد محركات الإجابة. أسّس UpgradIQ، التي تربط تغيّر الترتيب بسببه من بيانات Search Console وGA4. ينشر ما تدعمه البيانات، ويذكر حدودها.
- SEO التقني
- القياس بـ Search Console وGA4
- تحسين الظهور في محركات الإجابة
- البيانات المنظَّمة
قراءات ذات صلة
توسّع AI Mode إلى 40 منطقة جديدة
أضافت Google أكثر من 35 لغة وأكثر من 40 دولة إلى AI Mode، فوصل إلى أسواق في الاتحاد الأوروبي مثل ألمانيا وإيطاليا وإسبانيا وبولندا.
ناشرو فرنسا يشتكون من AI Mode
طلب تحالف الصحافة APIG من هيئة المنافسة الفرنسية في 11 أغسطس 2026 إلزام Google بالتزامات 2022 بعد إطلاق AI Mode في فرنسا.
ميزة المراقبة في AI Mode تصل إلى الجميع
تطرح Google ميزة المراقبة في AI Mode لكل المستخدمين عالميًا بعد مشتركي Ultra وPro، وتتابع المواقع والمنتديات ومنشورات التواصل وShopping Graph.
استشهادات AI Overviews تنفصل عن الترتيب
بيانات Ahrefs تُظهر أن صفحات المراكز العشرة الأولى انخفضت من 76% إلى 38% من استشهادات AI Overviews في ثمانية أشهر، فلم يعد الترتيب الجيد يضمن استشهادًا.