百度集团2026年第一季度财报显示，净利润34.5亿元，同比下降55%。在线广告收入下滑21.25%，但AI相关业务营收增长49%，已占总营收的50%。百度正转型为AI驱动公司，未来AI业务将持续推动增长。

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。

本研究提出了一种基于oracle模仿学习的方法，解决在线广告实时拍卖中的出价决策问题。该方法将出价优化转化为多重选择背包问题，显著提高了自动出价代理的样本效率和性能，尤其在预算和成本限制下表现优异。

本研究提出自适应$^2$框架，以解决在线广告中领域数据分布变化的问题。通过自我监督学习自动挖掘领域信息，展示了其在广告系统中的商业价值和自动领域识别潜力，开启了新的研究方向。

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%。

本文介绍了多种新模型，如Fi-GNN、DCN-V2、MIAN、PCF-GNN、OptInter、xDeepInt、DynInt和KarSein，旨在提高在线广告和推荐系统的点击率（CTR）预测。这些模型通过优化特征交互、提升计算效率和模型解释性，在真实数据集上超越了现有技术，推动了CTR预测的进步。

本文研究了在线广告中的买方定价和卖方算法对收入最大化的影响，提出了减少策略性遗憾的新算法，并探讨了拍卖机制的激励兼容性。此外，研究还优化了上下文广告竞拍和自动投标算法，以提升广告主的投资回报率。

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。

本文探讨了在线广告拍卖中的投标优化策略，提出了一种新算法以最大化广告主效益并满足预算限制。研究表明，该算法在完全信息情况下的表现优于现有方法，并通过实验验证了其有效性。