論文の概要: TeamCMU at Touché: Adversarial Co-Evolution for Advertisement Integration and Detection in Conversational Search

• arxiv url: http://arxiv.org/abs/2507.00509v1
• Date: Tue, 01 Jul 2025 07:24:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.462082
• Title: TeamCMU at Touché: Adversarial Co-Evolution for Advertisement Integration and Detection in Conversational Search
• Title（参考訳）: TouchéのTeamCMU: 会話検索における相互統合と検出のための共進化
• Authors: To Eun Kim, João Coelho, Gbemileke Onilude, Jai Singh,
• Abstract要約: 広告を生成された応答に統合することは、商業的機会とユーザエクスペリエンスの課題の両方を示します。 本稿では,RAGに基づく対話システムにおいて,シームレスな広告統合のためのアドリライターと,検出のための堅牢な広告分類器からなる広告管理のためのモジュールパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 1.187456026346823
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As conversational search engines increasingly adopt generation-based paradigms powered by Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG), the integration of advertisements into generated responses presents both commercial opportunities and challenges for user experience. Unlike traditional search, where advertisements are clearly delineated, generative systems blur the boundary between informational content and promotional material, raising concerns around transparency and trust. In this work, we propose a modular pipeline for advertisement management in RAG-based conversational systems, consisting of an ad-rewriter for seamless ad integration and a robust ad-classifier for detection. We leverage synthetic data to train high-performing classifiers, which are then used to guide two complementary ad-integration strategies: supervised fine-tuning of the ad-rewriter and a best-of-N sampling approach that selects the least detectable ad-integrated response among multiple candidates. Our evaluation focuses on two core questions: the effectiveness of ad classifiers in detecting diverse ad integration strategies, and the training methods that best support coherent, minimally intrusive ad insertion. Experimental results show that our ad-classifier, trained on synthetic advertisement data inspired by marketing strategies and enhanced through curriculum learning, achieves robust detection performance. Additionally, we demonstrate that classifier-guided optimization, through both fine-tuning and best-of-N sampling, significantly improves ad stealth, enabling more seamless integration. These findings contribute an adversarial co-evolution framework for developing more sophisticated ad-aware generative search systems and robust ad classifiers.
• Abstract（参考訳）: 対話型検索エンジンは,Large Language Models (LLMs) とRetrieval-Augmented Generation (RAG) をベースとした世代ベースのパラダイムを採用する傾向にある。 広告が明確にデライン化されている従来の検索とは異なり、生成システムは情報コンテンツとプロモーション資料の境界を曖昧にし、透明性と信頼に関する懸念を高めている。 本研究では,RAGに基づく対話システムにおいて,シームレスな広告統合のためのアドリライターと,検出のための堅牢な広告分類器からなる広告管理のためのモジュールパイプラインを提案する。 合成データを利用してハイパフォーマンスな分類器を訓練し、それを2つの補完的なアドインテグレーション戦略、すなわちアドリライターの教師付き微調整と、複数の候補間で最も検出されにくいアドインテグレート応答を選択するベスト・オブ・Nサンプリング手法を導出する。 本評価は,広告統合戦略の検出における広告分類器の有効性と,協調的かつ最小限の侵入的広告挿入を支援する訓練方法の2つに焦点をあてる。 実験の結果,マーケティング戦略にインスパイアされた広告データに基づいて訓練された広告分類器が,カリキュラム学習を通じて強化され,堅牢な検出性能が得られた。 さらに、細調整とベスト・オブ・Nサンプリングにより、分類器誘導最適化が広告ステルスを大幅に改善し、よりシームレスな統合を可能にすることを示した。 これらの知見は、より洗練された広告認識生成検索システムと堅牢な広告分類器を開発するための敵対的共進化フレームワークに寄与する。

関連論文リスト

• Multi-objective Aligned Bidword Generation Model for E-commerce Search Advertising [16.8420671443003]
  検索システムは、ユーザクエリを最も関連性の高い広告とマッチングするという課題に対処する。 識別器,ジェネレータ,選好アライメントモジュールで構成される多目的整列バイドワード生成モデル(MoBGM)を提案する。 提案アルゴリズムは,オフラインおよびオンライン実験において,技術の現状を著しく上回っている。
  論文  参考訳（メタデータ） (2025-06-04T10:57:18Z)
• Review, Refine, Repeat: Understanding Iterative Decoding of AI Agents with Dynamic Evaluation and Selection [71.92083784393418]
  Best-of-N (BON) サンプリングのような推論時間法は、パフォーマンスを改善するための単純で効果的な代替手段を提供する。 本稿では,反復的改良と動的候補評価,検証器による選択を併用した反復的エージェント復号(IAD)を提案する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• DistinctAD: Distinctive Audio Description Generation in Contexts [62.58375366359421]
  本研究では,より優れた物語を生成するために,特徴性を重視した音声記述を生成するためのフレームワークであるDistinctADを提案する。 ドメインギャップに対処するために、追加のADコーパスを必要としないCLIP-AD適応戦略を導入する。 ステージIIでは、DistinctADは2つの重要なイノベーションを取り入れている: (i) コンテクスト予測最大化注意(EMA)モジュールは、連続するビデオクリップから共通のベースを抽出することで冗長性を低減し、 (ii) コンテキスト内の繰り返し単語をフィルタリングする明確な単語予測損失である。
  論文  参考訳（メタデータ） (2024-11-27T09:54:59Z)
• Optimizing Search Advertising Strategies: Integrating Reinforcement Learning with Generalized Second-Price Auctions for Enhanced Ad Ranking and Bidding [36.74368014856906]
  本稿では,多様なユーザインタラクションに適応し,広告主のコスト,ユーザ関連性,プラットフォーム収益のバランスを最適化するモデルを提案する。 提案手法は,広告の配置精度とコスト効率を大幅に向上させ,実際のシナリオにおけるモデルの適用性を示すものである。
  論文  参考訳（メタデータ） (2024-05-22T06:30:55Z)
• DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever [83.33209603041013]
  マルチモーダルダイアログ検索のためのパラメータ効率の高いプロンプトチューニング手法であるDialCLIPを提案する。 提案手法では,事前学習された視覚言語モデルCLIP内のプロンプトに抽出された文脈特徴を学習するためのマルチモーダルコンテキスト生成手法を提案する。 様々なタイプの検索を容易にするために,CLIP出力からマルチモーダル表現空間へのマッピングを学習するために,複数の専門家を設計する。
  論文  参考訳（メタデータ） (2024-01-02T07:40:12Z)
• Exploiting Modality-Specific Features For Multi-Modal Manipulation Detection And Grounding [54.49214267905562]
  マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。 本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。 本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
  論文  参考訳（メタデータ） (2023-09-22T06:55:41Z)
• Aggregate effects of advertising decisions: a complex systems look at search engine advertising via an experimental study [26.218512292529635]
  我々は,様々な広告戦略の評価と,検索市場におけるメカニズムの影響評価を支援するシミュレーションフレームワークを開発し,検証する。 電子単語の集合的影響,競争レベル,戦略的入札行動に関する3つの実験を行った。
  論文  参考訳（メタデータ） (2022-03-04T09:16:15Z)
• Learning to Create Better Ads: Generation and Ranking Approaches for Ad Creative Refinement [26.70647666598025]
  i)新しい広告テキストを生成すること、(ii)新しい広告テキストにキーフレーズを推奨すること、(iii)画像タグ(画像中のオブジェクト)を推奨すること。 複数の広告主が実施したA/Bテストに基づいて、劣悪な広告クリエイティブと優良な広告クリエイティブのペアワイズな例を作成します。 また、Yahoo Geminiの広告プラットフォームからのデータを使って、実験から広く適用可能な洞察を共有しています。
  論文  参考訳（メタデータ） (2020-08-17T16:46:28Z)

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。