論文の概要: Ad Auctions for LLMs via Retrieval Augmented Generation
- arxiv url: http://arxiv.org/abs/2406.09459v1
- Date: Wed, 12 Jun 2024 22:05:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-17 17:44:16.395145
- Title: Ad Auctions for LLMs via Retrieval Augmented Generation
- Title(参考訳): 検索再生によるLCMの広告入札
- Authors: MohammadTaghi Hajiaghayi, Sébastien Lahaie, Keivan Rezaei, Suho Shin,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 12.9128551468564
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of computational advertising, the integration of ads into the outputs of large language models (LLMs) presents an opportunity to support these services without compromising content integrity. This paper introduces novel auction mechanisms for ad allocation and pricing within the textual outputs of LLMs, leveraging retrieval-augmented generation (RAG). We propose a segment auction where an ad is probabilistically retrieved for each discourse segment (paragraph, section, or entire output) according to its bid and relevance, following the RAG framework, and priced according to competing bids. We show that our auction maximizes logarithmic social welfare, a new notion of welfare that balances allocation efficiency and fairness, and we characterize the associated incentive-compatible pricing rule. These results are extended to multi-ad allocation per segment. An empirical evaluation validates the feasibility and effectiveness of our approach over several ad auction scenarios, and exhibits inherent tradeoffs in metrics as we allow the LLM more flexibility to allocate ads.
- Abstract(参考訳): 計算広告の分野では、大規模言語モデル(LLM)の出力への広告の統合は、コンテンツ整合性を損なうことなくこれらのサービスをサポートする機会を提供する。
本稿では,検索拡張生成(RAG)を活用し,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。
提案するセグメントオークションでは,各談話セグメント(パラグラフ,セクション,アウトプット全体)に対して,その入札および関連性に応じて,RAGフレームワークに従って広告を確率的に検索し,競合入札に応じて価格が設定される。
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。
これらの結果はセグメント毎にマルチアドアロケーションに拡張される。
実証的な評価は,いくつかの広告オークションシナリオに対するアプローチの有効性と有効性を評価し,LCMがよりフレキシブルに広告を割り当てることを可能にするため,指標に固有のトレードオフを示す。
関連論文リスト
- Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
競売業者が各ラウンドで2つのグループに分けない商品を、合計で$T$のラウンドで販売する問題を考える。
競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
論文 参考訳(メタデータ) (2024-05-31T19:26:05Z) - Truthful Aggregation of LLMs with an Application to Online Advertising [11.552000005640203]
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。
論文 参考訳(メタデータ) (2024-05-09T17:01:31Z) - Auctions with LLM Summaries [13.797878055583531]
本研究では,大言語モデル(LLM)が生成した要約の中に,入札者がコンテンツの配置を入札するオークション環境について検討する。
本稿では,オークションモジュールとLLMモジュールが協調して動作する新しい因子化フレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-11T21:05:56Z) - 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。
プライバシー、レイテンシ、信頼性、そしてそのようなシステムが満たさなければならないユーザや広告主の満足度など、基本的な要件を探求します。
論文 参考訳(メタデータ) (2023-11-11T02:13:32Z) - RTB Formulation Using Point Process [1.7132914341329852]
本稿では,ポイントプロセスを用いたリアルタイム入札(RTB)エコシステムにおいて,繰り返しオークションをモデル化するための一般的なフレームワークを提案する。
プレイヤーの最適な戦略を様々なシナリオで特定する。
限界分布を個別に見積もるのではなく,実用性と市場状態の連立分布を考えることが重要である。
論文 参考訳(メタデータ) (2023-08-17T17:57:59Z) - VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。
具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。
当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
論文 参考訳(メタデータ) (2022-05-31T17:45:30Z) - 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) - Neural Auction: End-to-End Learning of Auction Mechanisms for E-Commerce
Advertising [42.7415188090209]
我々は,オークションからコンテキストを効率的に抽出する深層モデルを開発し,オークションデザインのための豊富な特徴を提供する。
タオバオのEコマース広告システムにDNAが配備されている。
論文 参考訳(メタデータ) (2021-06-07T13:20:40Z) - ProportionNet: Balancing Fairness and Revenue for Auction Design with
Deep Learning [55.76903822619047]
本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。
我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
論文 参考訳(メタデータ) (2020-10-13T13:54:21Z) - A Game-Theoretic Analysis of the Empirical Revenue Maximization
Algorithm with Endogenous Sampling [19.453243313852557]
実証収益最大化(ERM)はオークションデザインにおいて最も重要な価格学習アルゴリズムの1つである。
我々は、Laviらによって提案されたインセンティブ認識尺度の定義を一般化し、$N$の入力サンプルから$mge 1$の変化によるERMの出力価格の低減を定量化する。
本研究では, 単価オークションにおいて, 単価オークションにおけるグループインセンティブ・コンパチビリティを近似的に示すために, ERM を用いた効率よく, ほぼインセンティブに適合し, 収益に最適な学習アルゴリズムを構築した。
論文 参考訳(メタデータ) (2020-10-12T08:20:35Z) - 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。