論文の概要: Beyond Cascaded Architectures: An End-to-end Generative Framework for Industrial Advertising

• arxiv url: http://arxiv.org/abs/2505.17549v2
• Date: Mon, 26 May 2025 12:43:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 14:32:55.741246
• Title: Beyond Cascaded Architectures: An End-to-end Generative Framework for Industrial Advertising
• Title（参考訳）: カスケードアーキテクチャを超えて - 産業広告のためのエンドツーエンドな生成フレームワーク
• Authors: Zuowu Zheng, Ze Wang, Fan Yang, Jiangke Fan, Teng Zhang, Xingxing Wang,
• Abstract要約: EGA(End-to-End Generative Advertising)は,ユーザ興味,POI(point-of-interest),創造的生成,広告アロケーション,支払最適化を体系的にモデル化する最初の統合フレームワークである。 当社の結果は、次世代産業広告システムへの道を開く、完全生成型広告ソリューションのパイオニアとしての可能性を浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 20.10161044083558
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional online industrial advertising systems suffer from the limitations of multi-stage cascaded architectures, which often discard high-potential candidates prematurely and distribute decision logic across disconnected modules. While recent generative recommendation approaches provide end-to-end solutions, they fail to address critical advertising requirements of key components for real-world deployment, such as explicit bidding, creative selection, ad allocation, and payment computation. To bridge this gap, we introduce End-to-End Generative Advertising (EGA), the first unified framework that holistically models user interests, point-of-interest (POI) and creative generation, ad allocation, and payment optimization within a single generative model. Our approach employs hierarchical tokenization and multi-token prediction to jointly generate POI recommendations and ad creatives, while a permutation-aware reward model and token-level bidding strategy ensure alignment with both user experiences and advertiser objectives. Additionally, we decouple allocation from payment using a differentiable ex-post regret minimization mechanism, guaranteeing approximate incentive compatibility at the POI level. Through extensive offline evaluations and large-scale online experiments on real-world advertising platforms, we demonstrate that EGA significantly outperforms traditional cascaded systems in both performance and practicality. Our results highlight its potential as a pioneering fully generative advertising solution, paving the way for next-generation industrial ad systems.
• Abstract（参考訳）: 従来のオンライン産業広告システムは、多段階のカスケードアーキテクチャの限界に悩まされており、しばしば高いポテンシャルのある候補を早期に破棄し、非接続モジュール間で決定ロジックを分散する。 最近のジェネレーティブレコメンデーションアプローチはエンドツーエンドのソリューションを提供するが、明示的な入札、創造的選択、広告割り当て、支払い計算など、現実のデプロイメントにおいて重要なコンポーネントの重要な広告要件に対処することができない。 このギャップを埋めるために、ユーザ興味、POI(point-of-interest)、創造的生成、広告アロケーション、支払い最適化を1つの生成モデルで全体モデル化する最初の統合フレームワークであるEnd-to-End Generative Advertising (EGA)を紹介します。 提案手法では,階層的トークン化とマルチトークン予測を用いてPOIレコメンデーションと広告創造性を共同で生成する。 また,POIレベルでの近似インセンティブの整合性を保証するため,相違可能なポスト残高最小化機構を用いて支払いの割当を分離する。 実世界の広告プラットフォーム上での大規模なオフライン評価と大規模なオンライン実験を通じて、EGAが従来のカスケードシステムよりもパフォーマンスと実用性の両方において著しく優れていることを示す。 当社の結果は、次世代産業広告システムへの道を開く、完全生成型広告ソリューションのパイオニアとしての可能性を浮き彫りにしている。

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)
• End-to-End Cost-Effective Incentive Recommendation under Budget Constraint with Uplift Modeling [12.160403526724476]
  本稿では,予算制約下でのエンド・ツー・エンド・エンド・コスト・エフェクティブ・インセンティブ・レコメンデーション(E3IR)モデルを提案する。 具体的には、アップリフト予測モジュールと微分可能なアロケーションモジュールの2つのモジュールから構成される。 E3IRは既存の2段階アプローチに比べてアロケーション性能が向上する。
  論文  参考訳（メタデータ） (2024-08-21T13:48:00Z)
• Parallel Ranking of Ads and Creatives in Real-Time Advertising Systems [20.78133992969317]
  広告とクリエイティビティランキングのオンライン並列推定のための新しいアーキテクチャを初めて提案する。 オンラインアーキテクチャは、全体的なレイテンシを低減しつつ、洗練されたパーソナライズされたクリエイティブモデリングを可能にする。 CTR推定のためのオフラインジョイントモデルは、広告とクリエイティブの相互認識と協調最適化を可能にする。
  論文  参考訳（メタデータ） (2023-12-20T04:05:21Z)
• 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)
• 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)
• Bidding Agent Design in the LinkedIn Ad Marketplace [16.815498720115443]
  オンラインマーケットプレースにおける自動入札エージェントの設計のための汎用最適化フレームワークを構築した。 結果として、フレームワークは、例えば、複数のプラットフォームにまたがる広告グループの共同最適化を可能にし、それぞれが独自のオークションフォーマットを実行している。 このフレームワークに基づいたLinkedInの広告マーケットプレースで、デプロイされた入札システムの実践的な学習を共有します。
  論文  参考訳（メタデータ） (2022-02-25T03:01:57Z)
• 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)
• Multi-Agent Cooperative Bidding Games for Multi-Objective Optimization in e-Commercial Sponsored Search [26.117969395228503]
  我々は,Multi-Agent Cooperative bidding Games (MACG) と呼ばれる新しい多目的協調入札最適化法を提案する。 すべての広告の全体的な利益を最大化するためのグローバルな目的が、より良い協力を奨励し、またセルフ入札の広告主を保護するために追加される。 タオバオプラットフォーム上でのオフライン実験とオンラインA/Bテストは、単一広告主の目標とグローバル利益の両方が大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2021-06-08T03:18:28Z)
• 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。