dumaiПрепринт — материал ещё не прошёл рецензирование
Влияние рекламы на генерацию ответа повысило доход в экспериментах
Кратко
Авторы предложили способ встраивать влияние рекламодателей прямо в каждый следующий фрагмент ответа ИИ. На наборах реальных коммерческих поисковых запросов он увеличил доход платформы и общую ценность размещения, сохранив качество ответов на уровне лучшего сравниваемого метода. Это проверка идеи, а не испытание в работающей рекламной системе.
Зачем это знать
Такой подход может связать рекламу с самим процессом генерации ответа, а не только с заранее отведённым местом. Но пока это лишь проверка идеи: неизвестно, как механизм поведёт себя при массовом использовании и повлияет на пользователей в долгосрочной перспективе.
Разбор
Обычная реклама рассчитана на заранее известное место: например, отдельный блок над результатами поиска. Но у генеративного ИИ ответ появляется постепенно, слово за словом, поэтому авторы перенесли аукцион внутрь этого процесса. Их механизм LAMA получает от рекламодателей оценки того, насколько ценным для них будет каждый возможный фрагмент продолжения. Затем система смешивает эти варианты при выборе следующего токена — небольшой единицы текста, вроде слова или его части — и по ходу генерации обновляет, чей интерес сейчас представлен сильнее.
Авторы сравнили такой подход с методами, которые выбирают рекламу до генерации ответа или добавляют её уже после. Для практического запуска они не полагались на идеальные данные: отдельная обучаемая модель по ходу работы восстанавливает нужные оценки рекламодателей. Теоретическая часть тоже важна: авторы показывают, что механизм не даёт рекламодателю выгодно искажать свои данные при последовательных решениях и не заставляет его участвовать против воли; при этом потери общей полезности остаются ограниченными.
В экспериментах на трёх направлениях коммерческого поиска LAMA получил лучшие средние показатели среди сравниваемых методов. Особенно заметна разница с сильным базовым методом, который распределял рекламу после генерации: показатель дохода составил 0.8305 против 0.7501, а показатель общей полезности — 0.5205 против 0.5080. Качество ответа для пользователя осталось на уровне лучшего варианта сравнения, а дополнительные проверки включали разбор отдельных случаев, анализ влияния рекламы на токены, задержку работы и точность предсказаний ценности. Это показывает работоспособность идеи в тестовой среде, но не заменяет проверку на настоящих пользователях.
Ключевые цифры
Можно ли доверять
Это препринт с arXiv, а не статья, прошедшая рецензирование. Механизм проверили на реальных коммерческих поисковых запросах, но только в экспериментальной постановке: в абстракте нет испытания на живых пользователях или данных массовой рекламной системы, поэтому долгосрочные эффекты пока неизвестны.
Пересказано ИИ по научной статье. Как это устроено