本文介绍了一种名为“置信度排名”的新框架，使用两个不同的模型来设计优化目标的排名函数，可以直接优化不同凸代理函数的评估指标，如AUC和准确性。实验结果表明，引入置信度排名损失后，可以在公共和工业数据集的CTR预测任务上超过所有基线。该框架已在JD.com的广告系统中部署，以提高精细排名阶段的主要流量表现。