論文の概要: BAT: Benchmark for Auto-bidding Task

• arxiv url: http://arxiv.org/abs/2505.08485v1
• Date: Tue, 13 May 2025 12:12:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.547147
• Title: BAT: Benchmark for Auto-bidding Task
• Title（参考訳）: BAT: 自動入札タスクのベンチマーク
• Authors: Alexandra Khirianova, Ekaterina Solodneva, Andrey Pudovikov, Sergey Osokin, Egor Samosvat, Yuriy Dorn, Alexander Ledovsky, Yana Zenkova,
• Abstract要約: 本稿では,最も普及している2種類のオークション形式を含むオークションベンチマークを提案する。 我々は,新しいデータセットに基づいて,一連の堅牢なベースラインを実装した。 このベンチマークは、研究者や実践者が革新的なオートバイディングアルゴリズムを開発し、洗練するための、ユーザフレンドリで直感的なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 67.56067222427946
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The optimization of bidding strategies for online advertising slot auctions presents a critical challenge across numerous digital marketplaces. A significant obstacle to the development, evaluation, and refinement of real-time autobidding algorithms is the scarcity of comprehensive datasets and standardized benchmarks. To address this deficiency, we present an auction benchmark encompassing the two most prevalent auction formats. We implement a series of robust baselines on a novel dataset, addressing the most salient Real-Time Bidding (RTB) problem domains: budget pacing uniformity and Cost Per Click (CPC) constraint optimization. This benchmark provides a user-friendly and intuitive framework for researchers and practitioners to develop and refine innovative autobidding algorithms, thereby facilitating advancements in the field of programmatic advertising. The implementation and additional resources can be accessed at the following repository (https://github.com/avito-tech/bat-autobidding-benchmark, https://doi.org/10.5281/zenodo.14794182).
• Abstract（参考訳）: オンライン広告スロットオークションにおける入札戦略の最適化は、多くのデジタル市場において重要な課題となっている。 リアルタイムオートバイディングアルゴリズムの開発、評価、改良への大きな障害は、包括的なデータセットと標準化されたベンチマークの不足である。 この欠点に対処するために,最も広く普及している2種類のオークション形式を含むオークションベンチマークを提案する。 予算の一様性とコスト・パー・クリック(コスト・パー・クリック)の制約最適化という,RTB(Real-Time Bidding)問題領域に対処する。 このベンチマークは、研究者や実践者が革新的なオートバイディングアルゴリズムを開発し、洗練し、プログラム広告の分野における進歩を促進するために、ユーザーフレンドリで直感的なフレームワークを提供する。 実装と追加のリソースは以下のリポジトリでアクセスできる(https://github.com/avito-tech/bat-autobidding-benchmark, https://doi.org/10.5281/zenodo.14794182)。

関連論文リスト

• Nash Equilibrium Constrained Auto-bidding With Bi-level Reinforcement Learning [64.2367385090879]
  本稿では,プラットフォームの観点から,自動入札問題の新たな定式化を提案する。 これは、$epsilon$-NE制約の下ですべての広告主の社会的福祉を最大化することを目的としている。 NCB問題は、その制約された二段階構造と、典型的には多くの広告主が関与しているため、重大な課題を提起している。
  論文  参考訳（メタデータ） (2025-03-13T12:25:36Z)
• Online Bidding under RoS Constraints without Knowing the Value [22.193658401789033]
  オンライン広告における入札の問題は、広告主が予算や返品制限に固執しながら価値を最大化することを目的としている。 本稿では、このトレードオフを慎重に管理する新しいアッパー信頼境界(UCB)スタイルのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-05T05:25:54Z)
• GAS: Generative Auto-bidding with Post-training Search [26.229396732360787]
  本稿では,GASと呼ばれるポストトレーニング後検索を用いたフレキシブルで実用的な自動入札方式を提案し,基本方針モデルの出力を改良する。 実世界のデータセットとKuaishou広告プラットフォーム上でのオンラインA/Bテストによる実験は、GASの有効性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T13:47:46Z)
• 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)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• Coordinated Dynamic Bidding in Repeated Second-Price Auctions with Budgets [17.937079224726073]
  予算を伴う第2価格の繰り返しオークションにおける協調オンライン入札アルゴリズムについて検討した。 我々は、すべてのクライアントに対して、独立入札で得られる最高のものよりも高いユーティリティを保証するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-13T11:55:04Z)
• Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
  制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。 このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。 上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
  論文  参考訳（メタデータ） (2023-02-02T16:30:33Z)
• Learning to Bid Optimally and Efficiently in Adversarial First-price Auctions [40.30925727499806]
  我々は,$widetildeO(sqrtT)$ regretを達成する,最初のミニマックス最適オンライン入札アルゴリズムを開発した。 Verizon Mediaから得られた3つの実世界の1価オークションデータセットを用いて,本アルゴリズムを検証した。
  論文  参考訳（メタデータ） (2020-07-09T05:40:39Z)
• Optimal Bidding Strategy without Exploration in Real-time Bidding [14.035270361462576]
  予算制約によるユーティリティの最大化は、リアルタイム入札(RTB)システムにおける広告主の主要な目標である。 それまでの作品は、検閲された国家の困難を和らげるために競売に敗れたことを無視していた。 本稿では,リアルタイムトラフィックで観測される真の分布の挙動を模倣するために,最大エントロピー原理を用いた新しい実用的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-03-31T20:43:28Z)

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。