量子位
·
KDD’25 | 生成式拍卖：感知排列外部性的整页优化机制
内容提要
本文介绍了阿里妈妈团队在生成式拍卖领域的研究，提出了一种感知排列外部性的广告拍卖机制。该机制利用自回归模型生成广告分配结果，显著提升了平台收入和广告效果，突破了传统的“先预估后分配”模式。实验结果表明，该方法有效优化了在线广告拍卖机制。
关键要点
-
阿里妈妈团队在生成式拍卖领域的研究提出了一种感知排列外部性的广告拍卖机制。
-
该机制利用自回归模型生成广告分配结果，显著提升了平台收入和广告效果。
-
生成式拍卖突破了传统的“先预估后分配”模式，优化了在线广告拍卖机制。
-
传统拍卖机制忽略了页面中同时展示的其它商品的影响，即外部性影响。
-
现有方法受限于“先预估后分配”的设计范式，无法捕捉最终分配结果的整页上下文信息。
-
研究团队提出的生成式拍卖（CGA）通过自回归模型生成广告分配结果，并实现端到端学习最优计费规则。
-
实验结果表明，CGA能显著提升平台收入等关键指标，并有效逼近理论最优拍卖的结果。
-
生成式拍卖框架将分配和计费模块解耦，构建了基于生成器-评估器的自回归生成式结构。
-
在线实验显示生成式拍卖在推理时延仅增加1.6%的情况下，平台收入提升了3.2%。
-
未来研究将探索引入更高效的生成式架构，并在拍卖机制中统一分配来自多渠道的商品。
延伸问答
生成式拍卖机制的主要创新点是什么？
生成式拍卖机制通过自回归模型生成广告分配结果，突破了传统的“先预估后分配”模式，能够感知排列外部性，显著提升平台收入和广告效果。
生成式拍卖如何优化广告分配？
生成式拍卖利用自回归模型生成广告序列，考虑了页面中广告的相互影响，从而优化广告的分配，提高了点击率和平台收入。
传统广告拍卖机制存在哪些局限性？
传统广告拍卖机制如广义二价拍卖（GSP）忽略了页面中同时展示的其他商品的外部性影响，导致无法捕捉到全局最优解。
生成式拍卖在实验中表现如何？
实验结果表明，生成式拍卖在推理时延仅增加1.6%的情况下，平台收入提升了3.2%，点击率提升了1.4%。
生成式拍卖如何实现激励兼容性？
生成式拍卖通过量化激励兼容条件为最小化事后后悔，实现了端到端学习最优计费规则，确保广告主真实报价最大化其效用。
未来的研究方向是什么？
未来的研究将探索引入更高效的生成式架构，并在拍卖机制中统一分配来自多渠道的商品。
