論文の概要: Generative AI Advertising as a Problem of Trustworthy Commercial Intervention

• arxiv url: http://arxiv.org/abs/2605.18673v1
• Date: Mon, 18 May 2026 17:15:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:50.188209
• Title: Generative AI Advertising as a Problem of Trustworthy Commercial Intervention
• Title（参考訳）: 信頼できる商業介入の問題としてのジェネレーティブAI広告
• Authors: Jingyi Qiu, Qiaozhu Mei,
• Abstract要約: 主要なデプロイされた生成AI広告システムは、商用コンテンツとAI生成応答の可視的境界を保存する。 生成AIは、商品を個別のスロットに配置するのではなく、生成プロセス自体への介入を可能にする。 これは、コンテンツ配置よりも信頼できる介入の問題として、生成的AI広告を再設定する。
• 参考スコア（独自算出の注目度）: 10.42076092864207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Major deployed generative AI advertising systems preserve a visible boundary between commercial content and AI-generated responses. Yet empirical research shows that ads woven directly into large language model (LLM) outputs often go undetected by users. We argue that generative AI fundamentally changes advertising: rather than placing products into discrete slots, it enables interventions on the generative process itself, which induce commercial influence through less observable channels. This reframes generative AI advertising as a problem of trustworthy intervention rather than content placement. We introduce a taxonomy organized by influence tier, corresponding to interventions on progressively more latent variables: product mentions, information framing, behavioral redirection, and long-term preference shaping; and show how these tiers instantiate across modalities and system architectures, including retrieval-augmented generation and agentic pipelines where upstream decisions can sharply constrain downstream outcomes. Both major deployed systems and designed mechanisms concentrate on the most observable and easiest-to-govern tier, while the forms of commercial influence most consequential for user autonomy remain poorly understood and lack frameworks for detection, measurement, or disclosure. The central challenge is whether commercial influence in generative systems can be made trustworthy, i.e., attributable, measurable, contestable, and aligned with user welfare.
• Abstract（参考訳）: 主要なデプロイされた生成AI広告システムは、商用コンテンツとAI生成応答の可視的境界を保存する。 しかし、実証的な研究により、広告が大きな言語モデル(LLM)の出力に直接織り込まれていることが示されている。 生成AIは、商品を個別のスロットに配置するのではなく、生成プロセス自体への介入を可能にする。 これは、コンテンツ配置よりも信頼できる介入の問題として、生成的AI広告を再設定する。 製品参照,情報フレーミング,行動リダイレクト,長期的嗜好の整形といった,より潜伏的な変数に対する介入に対応する,インフルエンス層によって組織された分類を導入し,上流の意思決定によって下流の成果を著しく制約できる検索強化生成やエージェントパイプラインを含む,これらの階層がモダリティやシステムアーキテクチャ全体にわたってどのようにインスタンス化されるかを示す。 主要なデプロイシステムと設計メカニズムはどちらも、最も観測可能で、最も簡単に管理できる層に集中しているが、商業的影響の形式は、ユーザーの自律性にとって最も重要であり、検出、測定、開示のためのフレームワークが欠如している。 主な課題は、生産システムにおける商業的影響を信頼できるもの、すなわち、帰属可能、測定可能、競争可能、およびユーザーの福祉に適合できるかどうかである。

関連論文リスト

• Position is Power: System Prompts as a Mechanism of Bias in Large Language Models (LLMs) [7.71667852309443]
  大規模言語モデル(LLM)におけるシステムプロンプトは、モデル動作を導く事前定義された指示である。 LLMのデプロイでは、コンテキスト間の一貫性のあるレスポンスを保証するために、ますます使用されている。 システムプロンプトがより複雑になるにつれて、直接的または間接的に、副作用の未報告を導入することができる。
  論文  参考訳（メタデータ） (2025-05-27T12:19:08Z)
• Information Retrieval Induced Safety Degradation in AI Agents [52.15553901577888]
  本研究では,検索アクセスの拡大がモデル信頼性,バイアス伝搬,有害コンテンツ生成に与える影響について検討した。 整列 LLM 上に構築された検索可能なエージェントは、検索なしでの無検閲モデルよりも安全でない振る舞いをすることが多い。 これらの発見は、検索可能でますます自律的なAIシステムの公正性と信頼性を確保するための堅牢な緩和戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-05-20T11:21:40Z)
• Are AI Agents interacting with Online Ads? [0.0]
  本研究では、異なるAIエージェントがオンライン広告とどのように相互作用するか、広告を意思決定プロセスに組み込むか、どの広告フォーマットが最も効果的かを検討する。 我々は,OpenAI GPT-4o, Anthropic Claude 3.7 Sonnet, Google Gemini 2.0 Flashなどのマルチモーダル言語モデルを用いた実験を通じて,インタラクションパターン,クリック行動,意思決定戦略を分析した。
  論文  参考訳（メタデータ） (2025-03-20T08:38:57Z)
• Unsupervised Self-Driving Attention Prediction via Uncertainty Mining and Knowledge Embedding [51.8579160500354]
  本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。 結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-03-17T00:28:33Z)
• AI Assurance using Causal Inference: Application to Public Policy [0.0]
  ほとんどのAIアプローチは、"ブラックボックス"としてのみ表現することができ、透明性の欠如に悩まされる。 効果的で堅牢なAIシステムを開発するだけでなく、内部プロセスが説明可能で公平であることを確認することも重要です。
  論文  参考訳（メタデータ） (2021-12-01T16:03:06Z)
• Overcoming Failures of Imagination in AI Infused System Development and Deployment [71.9309995623067]
  NeurIPS 2020は研究論文に「潜在的な悪用と失敗の結果」に関するインパクトステートメントを含むよう要求した。 我々は、害の枠組みは文脈に適応し、潜在的な利害関係者、システム余裕、および最も広い意味での害を評価するための実行可能なプロキシを考える必要があると論じている。
  論文  参考訳（メタデータ） (2020-11-26T18:09:52Z)

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。