多臂老虎机（MAB）模型通过探索与利用的平衡来选择最佳策略。UCB算法优化策略选择，广泛应用于在线广告和A/B测试等领域。在防火墙策略选择和钓鱼邮件检测中，利用历史数据动态调整选择以提高成功率。

本文解决了在线广告竞标策略优化中数据集和标准基准不足的问题，提出了涵盖两种常见拍卖格式的新基准，并研究了实时竞标中的预算均匀性和每次点击成本的优化。

本研究探讨了在线广告频次限制技术对隐私保护的影响，并提出了一种基于k-匿名模型的优化方法。研究结果表明，隐私保护措施会降低广告效果，但对广告平台的成本影响有限。

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。

本研究提出自适应$^2$框架，旨在解决在线广告中的领域数据分布变化问题，通过自我监督学习自动识别领域，展示其商业价值与潜力。

本研究提出了自动创意配额（ACQ）框架，以应对在线广告创意数量增长的边际效应递减问题。ACQ有效提升了广告平台的收入，广告成本增加了9.34%。

在线广告与传统广告的区别在于实时竞价环境。广告排序机制面临的挑战包括多元物料价值可比、模糊用户兴趣捕捉和信息流多物品拍卖。京东推荐广告排序机制通过准确衡量流量价值、高效探索利用流量和多品拍卖实现了流量的高效分发和变现。