論文の概要: LERA: LLM-Enhanced RAG for Ad Auction in Generative Chatbots

• arxiv url: http://arxiv.org/abs/2605.16474v1
• Date: Fri, 15 May 2026 15:39:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.503532
• Title: LERA: LLM-Enhanced RAG for Ad Auction in Generative Chatbots
• Title（参考訳）: LERA:ジェネレーティブチャットボットにおける広告オークションのためのLLM強化RAG
• Authors: Haoran Sun, Xinrui Song, Xinyu Zhang, Zhaohua Chen, Xu Chu, Zhilin Zhang, Chuan Yu, Jian Xu, Bo Zheng, Xiaotie Deng,
• Abstract要約: 大規模な言語モデル(LLM)ベースのチャットボットのための2段階の検索列生成オークションフレームワークであるLERAを提案する。 最初の段階では、埋め込みベースの粗いフィルタリングが少数の候補広告主を事前選択する。 第2段階では、LSM自体が慎重に設計されたプロンプトでクエリされ、候補に対するロジットが生成され、洗練された有機レバレンススコアとして機能する。
• 参考スコア（独自算出の注目度）: 38.35931897144688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of advertising auction mechanisms into large language model (LLM)-based chatbots presents a significant opportunity for commercialization, yet poses unique challenges in balancing relevance, efficiency, and user experience. Recently, Feizi et al.~\citep{feizi2023online} and Hajiaghayi et al.~\citep{hajiaghayi2024ad} outlined a retrieve-then-generate paradigm that decouples retrieval and generation, offering lightweight ad insertion and payment determination. However, current retrieval relies solely on text embedding similarity, which may lead to commercial misinterpretation and issues such as repetitive insertions. In this paper, we propose LERA, a two-stage retrieve-then-generate auction framework tailored for LLM chatbots. In the first stage, embedding-based coarse filtering pre-selects a small set of candidate advertisers. In the second stage, the LLM itself is queried with a carefully designed prompt to produce logits over candidates, which serve as refined organic relevance scores. These scores are combined with bids, and a critical-value payment rule accounts for both the coarse-filtering and fine-ranking thresholds, ensuring truthfulness for utility-maximizing advertisers. The framework naturally extends to multiple ad insertions within dynamic dialogue flows and long responses. Experiments on a synthetic advertiser-query benchmark show that LERA substantially improves ad selection accuracy and insertion diversity while incurring only controllable latency overhead.
• Abstract（参考訳）: 大型言語モデル(LLM)ベースのチャットボットへの広告オークション機構の統合は、商業化の大きな機会を提供する一方で、関連性、効率性、ユーザエクスペリエンスのバランスをとる上で、ユニークな課題を提起する。 最近、Feizi et al ~\citep{feizi2023online} と Hajiaghayi et al ~\citep{hajiaghayi2024ad} は、検索と生成を分離し、軽量な広告挿入と支払い決定を提供する、検索と生成のパラダイムを概説している。 しかし、現在の検索はテキスト埋め込み類似性にのみ依存しており、商業的誤解や繰り返し挿入などの問題を引き起こす可能性がある。 本稿では,LLMチャットボットに適した2段階検索列生成オークションフレームワークLERAを提案する。 最初の段階では、埋め込みベースの粗いフィルタリングが少数の候補広告主を事前選択する。 第2段階では、LSM自体が慎重に設計されたプロンプトでクエリされ、候補に対するロジットが生成され、洗練された有機レバレンススコアとして機能する。 これらのスコアは入札と組み合わされ、重要価値の支払いルールは粗いフィルターと細粒度閾値の両方を考慮し、ユーティリティを最大化する広告主にとって真実性を保証する。 このフレームワークは、動的対話フローとロングレスポンス内の複数の広告挿入に自然に拡張する。 合成広告主・クエリーベンチマークの実験により、LERAは制御可能な遅延オーバーヘッドのみを発生させながら、広告選択精度と挿入多様性を大幅に改善することが示された。

関連論文リスト

• Unified Supervision for Walmart's Sponsored Search Retrieval via Joint Semantic Relevance and Behavioral Engagement Modeling [5.167327964319347]
  本稿では,ウォルマートが支援するeコマースにおける検索検索のためのバイエンコーダトレーニングフレームワークを提案する。 意味的関連性(semantic Relevance)を主要な監視信号として使用し、関連する項目の優先信号としてのみ使用します。 本手法は,オフライン評価とオンラインABテストの両方において,現在の生産システムより優れている。
  論文  参考訳（メタデータ） (2026-04-09T07:49:41Z)
• Sponsored Questions and How to Auction Them [48.75306452169514]
  重要な課題は、ユーザの検索クエリが、真の意図を曖昧にしておくことが多いことだ。 従来の検索から会話型AIへの移行は、新しいアプローチを提供する。 我々は、スポンサード提案とフォローする広告を協調的に最適化するためにVCGメカニズムを採用することができることを示す。
  論文  参考訳（メタデータ） (2025-12-03T17:06:27Z)
• LLMs as Sparse Retrievers:A Framework for First-Stage Product Search [103.70006474544364]
  プロダクト検索は、現代のeコマースプラットフォームにおいて重要な要素であり、毎日何十億ものユーザークエリがある。 スパース検索法は語彙ミスマッチの問題に悩まされ, 製品検索のシナリオにおいて, 最適以下の性能が向上する。 セマンティック分析の可能性により、大言語モデル(LLM)は語彙ミスマッチ問題を緩和するための有望な道を提供する。 本稿では,SParsE Retrievers として LLM を利用した製品検索フレームワーク PROSPER を提案する。
  論文  参考訳（メタデータ） (2025-10-21T11:13:21Z)
• Bidding-Aware Retrieval for Multi-Stage Consistency in Online Advertising [30.108437268612438]
  Bidding-Aware Retrieval (BAR) はモデルベースの検索フレームワークであり、検索スコア関数に広告入札値を組み込むことで、多段階の不整合に対処する。 BARの中核となる革新はビディン・アウェア・モデリング(Bidding-Aware Modeling)であり、経済的に一貫性のある表現を確保するために単調な学習とマルチタスクの蒸留を通じて入札信号を取り入れている。 大規模なオフライン実験とAlibabaのディスプレイ広告プラットフォームへのフルスケール展開により、BARの有効性が検証された。
  論文  参考訳（メタデータ） (2025-08-07T09:43:34Z)
• 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)
• Self-Calibrated Listwise Reranking with Large Language Models [137.6557607279876]
  大規模言語モデル (LLM) はシーケンシャル・ツー・シーケンス・アプローチによってタスクのランク付けに使用されている。 この階調のパラダイムは、より大きな候補集合を反復的に扱うためにスライディングウインドウ戦略を必要とする。 そこで本稿では,LLMを用いた自己校正リストのランク付け手法を提案する。
  論文  参考訳（メタデータ） (2024-11-07T10:31:31Z)
• Detecting Generated Native Ads in Conversational Search [33.5694271503764]
  YouChatやMicrosoft Copilotといった会話型検索エンジンは、大きな言語モデル(LLM)を使用してクエリに対する応答を生成する。 同じテクノロジーが生成されたレスポンスに広告を挿入するのも、ほんの少しのステップにすぎない。 インサート広告は、ネイティブ広告やプロダクトの配置を思い出させるだろう。
  論文  参考訳（メタデータ） (2024-02-07T14:22:51Z)

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。