論文の概要: Detecting Generated Native Ads in Conversational Search

• arxiv url: http://arxiv.org/abs/2402.04889v2
• Date: Tue, 30 Apr 2024 09:15:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-01 19:18:28.796403
• Title: Detecting Generated Native Ads in Conversational Search
• Title（参考訳）: 会話検索における生成ネイティブ広告の検出
• Authors: Sebastian Schmidt, Ines Zelch, Janek Bevendorff, Benno Stein, Matthias Hagen, Martin Potthast,
• Abstract要約: YouChatやMicrosoft Copilotといった会話型検索エンジンは、大きな言語モデル(LLM)を使用してクエリに対する応答を生成する。 同じテクノロジーが生成されたレスポンスに広告を挿入するのも、ほんの少しのステップにすぎない。 インサート広告は、ネイティブ広告やプロダクトの配置を思い出させるだろう。
• 参考スコア（独自算出の注目度）: 33.5694271503764
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Conversational search engines such as YouChat and Microsoft Copilot use large language models (LLMs) to generate responses to queries. It is only a small step to also let the same technology insert ads within the generated responses - instead of separately placing ads next to a response. Inserted ads would be reminiscent of native advertising and product placement, both of which are very effective forms of subtle and manipulative advertising. Considering the high computational costs associated with LLMs, for which providers need to develop sustainable business models, users of conversational search engines may very well be confronted with generated native ads in the near future. In this paper, we thus take a first step to investigate whether LLMs can also be used as a countermeasure, i.e., to block generated native ads. We compile the Webis Generated Native Ads 2024 dataset of queries and generated responses with automatically inserted ads, and evaluate whether LLMs or fine-tuned sentence transformers can detect the ads. In our experiments, the investigated LLMs struggle with the task but sentence transformers achieve precision and recall values above 0.9.
• Abstract（参考訳）: YouChatやMicrosoft Copilotといった会話型検索エンジンは、大きな言語モデル(LLM)を使用してクエリに対する応答を生成する。 レスポンスの横に広告を別々に配置するのではなく、同じテクノロジが生成されたレスポンスに広告を挿入する、という小さなステップに過ぎません。 インサート広告は、ネイティブ広告とプロダクトの配置を連想させるものであり、どちらも非常に効果的な、微妙で操作的な広告形式である。 持続可能なビジネスモデルを開発する必要があるLCMに関連する高い計算コストを考えると、対話型検索エンジンのユーザは近い将来、生み出すネイティブ広告に直面することになるかもしれない。 そこで本稿では, LLM がネイティブ広告をブロックする対策としても利用できるかどうかを, 第一段階として検討する。 我々は、Webis Generated Native Ads 2024データセットをコンパイルし、自動的に挿入された広告で応答を生成し、LLMまたは微調整文変換器が広告を検出できるかどうかを評価する。 実験では, LLMは課題に対処するが, 文変換器の精度は0.9以上である。

関連論文リスト

• Ranking Manipulation for Conversational Search Engines [7.958276719131612]
  本稿では,対話型検索エンジンが参照するソースのランク付け順序に対するインジェクションのインジェクションの影響について検討する。 低品位製品を確実に促進する攻撃木を用いた脱獄技術を提案する。 これらの攻撃は、Perplexity.aiのような最先端の会話検索エンジンに効果的に転送される。
  論文  参考訳（メタデータ） (2024-06-05T19:14:21Z)
• Scaling Up LLM Reviews for Google Ads Content Moderation [22.43127685744644]
  大規模言語モデル(LLM)は、コンテンツモデレーションのための強力なツールであるが、その推論コストとレイテンシは、大規模なデータセットでカジュアルな使用を禁止している。 本研究では,Google Ads におけるコンテンツに対する LLM レビューのスケールアップ手法を提案する。
  論文  参考訳（メタデータ） (2024-02-07T23:47:02Z)
• Generative Context-aware Fine-tuning of Self-supervised Speech Models [54.389711404209415]
  生成型大規模言語モデル(LLM)生成コンテキスト情報の利用について検討する。 自己教師型音声モデルの微調整中に生成した情報を抽出する手法を提案する。 本稿では,SLUE と Libri-light のベンチマークを用いて,自動音声認識,名前付きエンティティ認識,感情分析を行う手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T15:46:02Z)
• Prompt Highlighter: Interactive Control for Multi-Modal LLMs [50.830448437285355]
  本研究では,マルチモーダル LLM (LLMs&VLMs) 推論における重要な側面として,明示的な制御可能なテキスト生成を目標とする。 本稿では,新しい推論手法であるPrompt Highlighterを導入し,ユーザが特定のプロンプトスパンをハイライトし,生成中のフォーカスをインタラクティブに制御できるようにする。 推論中、注意重みを通して強調されたトークンでモデルを導くことで、より望ましい出力が得られます。
  論文  参考訳（メタデータ） (2023-12-07T13:53:29Z)
• Red Teaming Language Model Detectors with Language Models [114.36392560711022]
  大規模言語モデル(LLM)は、悪意のあるユーザによって悪用された場合、重大な安全性と倫理的リスクをもたらす。 近年,LLM生成テキストを検出し,LLMを保護するアルゴリズムが提案されている。 1) LLMの出力中の特定の単語を, 文脈が与えられたシノニムに置き換えること, 2) 生成者の書き方を変更するための指示プロンプトを自動で検索すること,である。
  論文  参考訳（メタデータ） (2023-05-31T10:08:37Z)
• Check Your Facts and Try Again: Improving Large Language Models with External Knowledge and Automated Feedback [127.75419038610455]
  大規模言語モデル(LLM)は、ダウンストリームタスクの多くに対して、人間のような、流動的な応答を生成することができる。 本稿では,プラグ・アンド・プレイモジュールのセットでブラックボックスのLSMを増強するLSM-Augmenterシステムを提案する。
  論文  参考訳（メタデータ） (2023-02-24T18:48:43Z)
• TSI: an Ad Text Strength Indicator using Text-to-CTR and Semantic-Ad-Similarity [16.10904771281746]
  i)入力広告テキストのクリックスルーレート(CTR)を予測し、(ii)類似の既存の広告をフェッチして入力広告の周辺に近づき、その周辺で予測されたCTRを比較して、入力広告が強いか弱いかを判断する。 広告テキストの改善の提案として、TSIは近隣の優れた広告(より高い予測CTR)の匿名化バージョンを示す。
  論文  参考訳（メタデータ） (2021-08-18T16:24:40Z)
• Learning to Create Better Ads: Generation and Ranking Approaches for Ad Creative Refinement [26.70647666598025]
  i)新しい広告テキストを生成すること、(ii)新しい広告テキストにキーフレーズを推奨すること、(iii)画像タグ(画像中のオブジェクト)を推奨すること。 複数の広告主が実施したA/Bテストに基づいて、劣悪な広告クリエイティブと優良な広告クリエイティブのペアワイズな例を作成します。 また、Yahoo Geminiの広告プラットフォームからのデータを使って、実験から広く適用可能な洞察を共有しています。
  論文  参考訳（メタデータ） (2020-08-17T16:46:28Z)
• Do Interruptions Pay Off? Effects of Interruptive Ads on Consumers Willingness to Pay [79.9312329825761]
  本研究は,広告主ブランドの商品に対する消費者の支払い意欲に及ぼす割り込み広告の影響を計測する研究結果である。 本研究は, 広告の経済的影響に関する研究に寄与し, 実験マーケティング研究における実際の(自己申告の)支払意欲を測定する方法を紹介した。
  論文  参考訳（メタデータ） (2020-05-14T09:26:57Z)
• Query-Variant Advertisement Text Generation with Association Knowledge [21.18443320935013]
  従来のテキスト生成手法は、高頻度で一般的な検索ニーズに焦点を当てる傾向にある。 本稿では,異なるWeb検索クエリに対して候補となる広告テキストを生成することを目的とした,問合せ型広告テキスト生成タスクを提案する。 提案モデルでは,クエリにパーソナライズされたニーズを多用し,クエリ変数の広告テキストを生成する。
  論文  参考訳（メタデータ） (2020-04-14T12:04:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。