論文の概要: Truthful Aggregation of LLMs with an Application to Online Advertising
- arxiv url: http://arxiv.org/abs/2405.05905v2
- Date: Tue, 25 Jun 2024 16:31:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-26 19:49:31.151135
- Title: Truthful Aggregation of LLMs with an Application to Online Advertising
- Title（参考訳）: LLMの真正集約とオンライン広告への応用
- Authors: Ermis Soumalias, Michael J. Curry, Sven Seuken,
- Abstract要約: 大規模言語モデル(LLM)は、オンラインプラットフォームのサービスに統合されている。
これにより、LLM生成コンテンツから収益を生み出すことが、オンライン広告における次の大きな課題となる。
LLM微調整なしで動作可能な,この問題に対するオークション機構を導入する。
当社のメカニズムは,計算オーバーヘッドの少ない広告主の価値とプラットフォーム収益を著しく向上させることを示す。
- 参考スコア（独自算出の注目度）: 11.552000005640203
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online platforms generate hundreds of billions of dollars in revenue per year by showing advertisements alongside their own content. Currently, these platforms are integrating Large Language Models (LLMs) into their services. This makes revenue generation from LLM-generated content the next major challenge in online advertising. We consider a scenario where advertisers aim to influence the responses of an LLM to align with their interests, while platforms seek to maximize advertiser value and ensure user satisfaction. We introduce an auction mechanism for this problem that operates without LLM fine-tuning or access to model weights and provably converges to the output of the optimally fine-tuned LLM for the platform's objective as computational resources increase. Our mechanism ensures that truthful reporting is a dominant strategy for advertisers and it aligns each advertiser's utility with their contribution to social welfare - an essential feature for long-term viability. Additionally, it can incorporate contextual information about the advertisers, significantly accelerating convergence. Via experiments with a publicly available LLM, we show that our mechanism significantly boosts advertiser value and platform revenue, with low computational overhead. While our motivating application is online advertising, our mechanism can be applied in any setting with monetary transfers, making it a general-purpose solution for truthfully aggregating the preferences of self-interested agents over LLM-generated replies.
- Abstract（参考訳）: オンラインプラットフォームは、広告を自社コンテンツと一緒に表示することによって、年間数十億ドルの収益を生み出している。
現在、これらのプラットフォームはサービスにLLM(Large Language Models)を統合している。
これにより、LLM生成コンテンツから収益を生み出すことが、オンライン広告における次の大きな課題となる。
プラットフォームは広告主の価値を最大化し、ユーザの満足度を確保することを目的としている。
本稿では, LLM の微調整やモデルウェイトへのアクセスなしに動作し, 計算資源の増加に伴い, プラットフォームが目的とする最適微調整 LLM の出力に確実に収束するオークション機構を提案する。
当社のメカニズムは,広告主にとって真正な報告が支配的な戦略であることを保証し,広告主の効用と社会福祉への貢献を両立させる。
さらに、広告主に関するコンテキスト情報を組み込むことができ、コンバージェンスを大幅に加速する。
公開されているLLMを用いた実験により,当社のメカニズムは,計算オーバーヘッドの少ない広告主の価値とプラットフォーム収益を著しく向上させることが示された。
当社のモチベーションアプリケーションはオンライン広告である一方、当社の仕組みは金銭的移転を伴うあらゆる場面で適用可能であり、LCM生成された返信よりも利己的なエージェントの選好を真に集約するための汎用的なソリューションである。
関連論文リスト
- LEADRE: Multi-Faceted Knowledge Enhanced LLM Empowered Display Advertisement Recommender System [33.39947940384811]
従来のディスプレイ広告システムはIDベースの学習に頼っている。
LLMの広範な世界知識を活用することを提案する。
LEADREと呼ばれる新しいLCMベースのフレームワークを紹介する。
論文 参考訳（メタデータ） (2024-11-21T02:22:35Z) - Persuasion with Large Language Models: a Survey [49.86930318312291]
大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。
政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。
LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
論文 参考訳（メタデータ） (2024-11-11T10:05:52Z) - WALL-E: World Alignment by Rule Learning Improves World Model-based LLM Agents [55.64361927346957]
大規模言語モデル(LLM)による規則の勾配なし学習のためのニューロシンボリックアプローチを提案する。
我々のLLMエージェントWALL-Eはモデル予測制御(MPC)上に構築されている
MinecraftとALFWorldにおけるオープンワールドの課題について、WALL-Eは既存の方法よりも高い成功率を達成する。
論文 参考訳（メタデータ） (2024-10-09T23:37:36Z) - Ad Auctions for LLMs via Retrieval Augmented Generation [12.9128551468564]
本稿では,大規模言語モデル(LLM)のテキスト出力における広告アロケーションと価格設定のための新しいオークション機構を提案する。
RAGフレームワークに従って,各談話セグメントに対して広告を確率的に検索するセグメントオークションを提案する。
我々は,配分効率と公平性のバランスをとる福祉の新しい概念である対数社会福祉を最大化することを示し,関連するインセンティブに適合する価格設定を特徴付ける。
論文 参考訳（メタデータ） (2024-06-12T22:05:51Z) - 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) - Making Large Language Models Better Knowledge Miners for Online
Marketing with Progressive Prompting Augmentation [34.37733369078883]
マーケティング指向の知識グラフをLLMで抽出するためのプログレッシブプロンプトであるPAIRを提案する。
特に,LLMをベースとした適応的関係フィルタリングプロセスにおける純粋関係生成を知識駆動型プロンプト技術により削減する。
オンラインサービスに関しては,中小のPAIR(LightPAIR)を専門とし,強力な教師LLMによって提供される高品質のコーパスを微調整する。
論文 参考訳（メタデータ） (2023-12-08T03:44:09Z) - Online Advertisements with LLMs: Opportunities and Challenges [51.96140910798771]
本稿では,オンライン広告システムにおけるLarge Language Models(LLM)の活用の可能性について検討する。
提案手法は,LLM広告の修正,入札,予測,オークションモジュールから構成される。
論文 参考訳（メタデータ） (2023-11-11T02:13:32Z) - Survey on Factuality in Large Language Models: Knowledge, Retrieval and
Domain-Specificity [61.54815512469125]
本調査は,大規模言語モデル(LLM)における事実性の重要課題に対処する。
LLMが様々な領域にまたがる応用を見出すにつれ、その出力の信頼性と正確性は重要となる。
論文 参考訳（メタデータ） (2023-10-11T14:18:03Z) - A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in
Online Advertising [53.636153252400945]
本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。
当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
論文 参考訳（メタデータ） (2021-06-11T08:07:14Z) - Modeling Influencer Marketing Campaigns In Social Networks [2.0303656145222857]
世界の38億人以上がソーシャルメディアを積極的に利用している。
本研究では、インフルエンサー広告キャンペーンのダイナミクスをシミュレートできるエージェントベースモデル(ABM)を提案する。
論文 参考訳（メタデータ） (2021-06-03T11:01:06Z) - Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential
Advertising [52.3825928886714]
我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。
理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。
強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
論文 参考訳（メタデータ） (2020-06-29T18:50:35Z)
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。