論文の概要: LLM Advertisement based on Neuron Auctions

• arxiv url: http://arxiv.org/abs/2605.08326v1
• Date: Fri, 08 May 2026 16:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.568964
• Title: LLM Advertisement based on Neuron Auctions
• Title（参考訳）: ニューロンオークションに基づくLLM
• Authors: Peiran Yun, Wenxin Xu, Jiayuan Liu, Yihang Zhang, Liang Zeng, Lingkai Kong, Tonghan Wang,
• Abstract要約: 生成広告は 重要な収益化戦略として現れます プロンプトインジェクションや固い位置スロットといった既存の手法はセマンティックコヒーレンスを妨害する。 本稿では, オークション対象を表面テキスト空間からLLMの内部表現にシフトさせる新しいパラダイムであるニューロトンオークションを紹介する。
• 参考スコア（独自算出の注目度）: 16.15577957062828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As Large Language Models (LLMs) transition into conversational agents, generative advertising emerges as a crucial monetization strategy. However, embedding advertisements within unstructured LLM outputs introduces a critical trilemma: balancing advertiser payoffs, platform revenue, and user experience. Existing methods, such as prompt injection or rigid position slots, disrupt semantic coherence and lack a parametric framework for independent control, rendering rigorous mechanism design intractable. To bridge this gap, we introduce Neuron Auctions, a novel paradigm that shifts the auction object from the surface text space to the LLM's internal representations. Leveraging mechanistic interpretability, we identify brand-specific feed-forward network (FFN) neurons and demonstrate that competing brands activate within approximately orthogonal subspaces. This near-perfect independence allows us to define continuous, disentangled intervention budgets (specifically, neuron counts and amplification factors) as auctionable commodities. Building on this computational carrier, we design a continuous menu-based auction mechanism that naturally guarantees strategy-proofness and optimizes revenue for the platform. By explicitly incorporating a user utility penalty into the platform's optimization objective, our framework dynamically prices out overly aggressive interventions. Extensive experiments demonstrate that Neuron Auctions effectively preserve natural discourse quality while achieving an optimal alignment between commercial incentives and user satisfaction.
• Abstract（参考訳）: 大規模言語モデル(LLM)が対話型エージェントへと移行するにつれ、生成的広告が重要な収益化戦略として出現する。 しかし、構造化されていないLCM出力に広告を埋め込むことは、広告主の支払い、プラットフォーム収益、ユーザーエクスペリエンスのバランスをとるという、重要なトリレンマをもたらす。 プロンプトインジェクションや固い位置スロットといった既存の手法はセマンティックコヒーレンスを妨害し、独立した制御のためのパラメトリックフレームワークを欠いている。 このギャップを埋めるために、我々は、オークション対象を表面テキスト空間からLLMの内部表現にシフトさせる新しいパラダイムであるNeuron Auctionsを紹介する。 機械的解釈性を活用することで、ブランド固有のフィードフォワードネットワーク(FFN)ニューロンを特定し、競合するブランドがほぼ直交部分空間内で活性化することを実証する。 このほぼ完全な独立は、持続的かつ不整合な介入予算(特にニューロン数と増幅因子)をオークション可能な商品として定義することができる。 この計算キャリア上に構築された連続メニューベースのオークション機構は,戦略の安全性を自然に保証し,プラットフォームに対する収益を最適化する。 プラットフォームの最適化目標にユーザユーティリティペナルティを明示的に組み込むことで、我々のフレームワークは過度に積極的な介入を動的に価格付けします。 広範囲にわたる実験により、ニューロンオークションは、商業的なインセンティブとユーザの満足度を最適に調整しながら、自然の談話品質を効果的に維持することを示した。

関連論文リスト

• Beyond Text-Dominance: Understanding Modality Preference of Omni-modal Large Language Models [73.89069781682032]
  我々は、Omni-Modal Large Language Models (OLLM) のモダリティ嗜好を定量化する。 従来のVLMの「テキスト・マディナンス」とは異なり、ほとんどのOLLMは視覚的嗜好が顕著である。 私たちの仕事は、機械的な理解と、より信頼できるOLLMを構築するための実践的なツールの両方を提供します。
  論文  参考訳（メタデータ） (2026-04-18T08:25:52Z)
• Large Language Models as Bidding Agents in Repeated HetNet Auction [4.305340565419997]
  本稿では,ヘテロジニアスネットワーク(HetNets)内での繰り返しスペクトルオークションにおける推論エージェントとしての大規模言語モデル(LLMs)の統合について検討する。 本稿では,各基地局(BS)が独立して独自のマルチチャネルオークションを行う分散オークションベースのフレームワークを提案し,ユーザ機器(UE)がそれらの関連と入札値の両方を戦略的に決定する。 シミュレーションの結果,LCMを内蔵したUEは,ベンチマークよりもチャネルアクセス周波数が一貫して向上し,予算効率が向上することがわかった。
  論文  参考訳（メタデータ） (2026-03-02T07:30:01Z)
• Instruction Anchors: Dissecting the Causal Dynamics of Modality Arbitration [41.64118238383843]
  以下に示すモダリティは、ユーザ命令に基づいてマルチモーダルコンテキストを選択的に利用するマルチモーダルな大規模言語モデルの能力として機能する。 命令トークンは、モダリティ仲裁のための構造的アンカーとして機能することを示す。 我々は、この仲裁を駆動する特別な注意ヘッドのスパースセットを同定する。
  論文  参考訳（メタデータ） (2026-02-03T15:59:24Z)
• Ad Insertion in LLM-Generated Responses [16.434649348378706]
  2つの切り離し戦略を通じて緊張を解消する実践的な枠組みを提案する。 まず、広告挿入と応答生成を分離し、安全性と明示的な開示を確保する。 次に、ジャンル'(ハイレベルなセマンティッククラスタ)をプロキシとして使用することで、特定のユーザクエリから入札を分離する。
  論文  参考訳（メタデータ） (2026-01-27T10:16:03Z)
• LLM-Auction: Generative Auction towards LLM-Native Advertising [10.695066036409274]
  LLMネイティブ広告のためのオークションとLLM生成を統合した学習型生成オークション機構を提案する。 本稿では,報酬モデルとLLMを交互に最適化するIRPOアルゴリズムを提案する。 LLM-Auctionは、所望の機構特性を達成しつつ、割り当て効率において既存のベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2025-12-11T11:31:20Z)
• Finding the Sweet Spot: Trading Quality, Cost, and Speed During Inference-Time LLM Reflection [0.0]
  本稿では,数学的推論および翻訳作業における自己回帰と予算調整を比較した。 解析の結果,自己回帰の有効性の領域依存的な変化が明らかとなり,数学的推論では最大220%の性能が向上した。 実世界の環境での知見の検証を目的として,ZalandoによるLoungeにおける自己回帰型マーケティングコンテンツローカライゼーションシステムを構築した。
  論文  参考訳（メタデータ） (2025-10-23T15:26:18Z)
• Attention Illuminates LLM Reasoning: The Preplan-and-Anchor Rhythm Enables Fine-Grained Policy Optimization [56.083511902353365]
  強化学習(Reinforcement Learning, RL)は、一般的に、大規模言語モデルの全世代にわたって一様クレジットを適用する。 この研究は、LSMの内部論理を推論自体の機械的青写真として描画する特権基板として注意を向けている。 クリティカルノードに対するターゲットクレジット割り当てを動的に行う3つの新しいRL戦略を導入する。
  論文  参考訳（メタデータ） (2025-10-15T13:49:51Z)
• Explaining multimodal LLMs via intra-modal token interactions [55.27436637894534]
  MLLM(Multimodal Large Language Models)は、様々な視覚言語タスクにおいて顕著な成功を収めているが、その内部決定機構は十分に理解されていない。 モーダル内相互作用を利用した解釈可能性の向上を提案する。
  論文  参考訳（メタデータ） (2025-09-26T14:39:13Z)
• Tuning-Free Accountable Intervention for LLM Deployment -- A Metacognitive Approach [55.613461060997004]
  大規模言語モデル(LLM)は、自然言語処理タスクの幅広い領域にわたる変換的進歩を触媒している。 我々は,自己認識型誤り識別と訂正機能を備えたLLMを実現するために,textbfCLEARと呼ばれる革新的なテキストメタ認知手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T19:18:53Z)

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。