論文の概要: AuctionNet: A Novel Benchmark for Decision-Making in Large-Scale Games

• arxiv url: http://arxiv.org/abs/2412.10798v1
• Date: Sat, 14 Dec 2024 11:31:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 14:00:31.359668
• Title: AuctionNet: A Novel Benchmark for Decision-Making in Large-Scale Games
• Title（参考訳）: AuctionNet: 大規模ゲームにおける意思決定のための新しいベンチマーク
• Authors: Kefan Su, Yusen Huo, Zhilin Zhang, Shuai Dou, Chuan Yu, Jian Xu, Zongqing Lu, Bo Zheng,
• Abstract要約: AuctionNetは、大規模な広告オークションにおける入札決定のためのベンチマークである。 広告オークション環境と、その環境に基づく事前生成データセットと、いくつかのベースライン入札決定アルゴリズムのパフォーマンス評価で構成されている。
• 参考スコア（独自算出の注目度）: 44.97123065385426
• License:
• Abstract: Decision-making in large-scale games is an essential research area in artificial intelligence (AI) with significant real-world impact. However, the limited access to realistic large-scale game environments has hindered research progress in this area. In this paper, we present \textbf{AuctionNet}, a benchmark for bid decision-making in large-scale ad auctions derived from a real-world online advertising platform. AuctionNet is composed of three parts: an ad auction environment, a pre-generated dataset based on the environment, and performance evaluations of several baseline bid decision-making algorithms. More specifically, the environment effectively replicates the integrity and complexity of real-world ad auctions through the interaction of several modules: the ad opportunity generation module employs deep generative models to bridge the gap between simulated and real-world data while mitigating the risk of sensitive data exposure; the bidding module implements diverse auto-bidding agents trained with different decision-making algorithms; and the auction module is anchored in the classic Generalized Second Price (GSP) auction but also allows for customization of auction mechanisms as needed. To facilitate research and provide insights into the game environment, we have also pre-generated a substantial dataset based on the environment. The dataset contains trajectories involving 48 diverse agents competing with each other, totaling over 500 million records and occupying 80GB of storage. Performance evaluations of baseline algorithms such as linear programming, reinforcement learning, and generative models for bid decision-making are also presented as part of AuctionNet. We note that AuctionNet is applicable not only to research on bid decision-making algorithms in ad auctions but also to the general area of decision-making in large-scale games.
• Abstract（参考訳）: 大規模ゲームにおける意思決定は、人工知能(AI)において重要な研究領域であり、現実世界に大きな影響を与えている。 しかし、現実的な大規模ゲーム環境への限られたアクセスは、この分野の研究の進展を妨げている。 本稿では,現実のオンライン広告プラットフォームから派生した大規模広告オークションにおける入札決定のためのベンチマークである「textbf{AuctionNet}」を提案する。 AuctionNetは、広告オークション環境、環境に基づく事前生成データセット、およびいくつかのベースライン入札決定アルゴリズムのパフォーマンス評価の3つの部分で構成されている。 より具体的には、この環境は、いくつかのモジュールの相互作用を通じて現実の広告の完全性と複雑さを効果的に再現する: 広告機会生成モジュールは、シミュレーションされたデータと現実のデータのギャップを埋めるために、機密データ露出のリスクを軽減し、入札モジュールは様々な意思決定アルゴリズムで訓練された多様な自動入札エージェントを実装し、オークションモジュールは古典的な一般第二価格オークション(GSP)に固定されるが、必要に応じてオークション機構をカスタマイズできる。 ゲーム環境に対する研究の促進と洞察の提供を目的として,本研究では,ゲーム環境に基づく実質的なデータセットの事前生成を行った。 データセットには、48の多様なエージェントが互いに競合し、合計5億以上のレコードと80GBのストレージを占有するトラジェクトリが含まれている。 入札決定のための線形プログラミング,強化学習,生成モデルなどのベースラインアルゴリズムの性能評価も,AuctionNetの一部として提示される。 AuctionNetは、広告オークションにおける入札決定アルゴリズムの研究だけでなく、大規模ゲームにおける一般的な意思決定分野にも適用可能であることに留意する。

関連論文リスト

• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Revisiting the Domain Shift and Sample Uncertainty in Multi-source Active Domain Transfer [69.82229895838577]
  Active Domain Adaptation (ADA)は、アノテートするターゲットデータの限られた数を選択することで、新しいターゲットドメインにおけるモデル適応を最大限に向上することを目的としている。 この設定は、複数のソースからトレーニングデータを収集するより実践的なシナリオを無視します。 これは、ADAを単一のソースドメインから複数のソースドメインに拡張する、新しい、挑戦的な知識転送の設定を目標にしています。
  論文  参考訳（メタデータ） (2023-11-21T13:12:21Z)
• Perturbation-Based Two-Stage Multi-Domain Active Learning [31.073745612552926]
  本稿では、よく認識されたASP-MTLモデルに組み込んだ摂動型2段階多段階アクティブラーニング(P2S-MDAL)手法を提案する。 P2S-MDALは、ドメインの予算を割り当て、多様性の選択のための領域を確立する。 モデルの共有特徴抽出器のロバスト性を評価するために摂動距離が導入された。
  論文  参考訳（メタデータ） (2023-06-19T04:58:32Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)
• 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)
• Real-Time Optimization Of Web Publisher RTB Revenues [10.908037452134302]
  本稿では,第2価格オークションによるWebパブリッシャーの収益を最適化するエンジンについて述べる。 エンジンは競売ごとに約1ミリ秒で最適な予備価格を予測できる。
  論文  参考訳（メタデータ） (2020-06-12T11:14:56Z)
• Novel Human-Object Interaction Detection via Adversarial Domain Generalization [103.55143362926388]
  本研究では,新たな人-物間相互作用(HOI)検出の問題点を考察し,モデルの一般化能力を向上させることを目的とした。 この課題は、主に対象と述語の大きな構成空間に起因し、全ての対象と述語の組み合わせに対する十分な訓練データが欠如している。 本稿では,予測のためのオブジェクト指向不変の特徴を学習するために,対数領域の一般化の統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2020-05-22T22:02:56Z)
• MoTiAC: Multi-Objective Actor-Critics for Real-Time Bidding [47.555870679348416]
  そこで本研究では,MoTiACというマルチエクティブ・アクタ・クリティカルスアルゴリズムを提案する。 従来のRLモデルとは異なり、提案されたMoTiACは複雑な入札環境で同時に多目的タスクを達成できる。
  論文  参考訳（メタデータ） (2020-02-18T07:16:39Z)

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。