論文の概要: Model Monotonicity in Autobidding Auctions: When Do Better Predictions Lead to Better Outcomes?

• arxiv url: http://arxiv.org/abs/2605.31036v1
• Date: Fri, 29 May 2026 09:09:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.495192
• Title: Model Monotonicity in Autobidding Auctions: When Do Better Predictions Lead to Better Outcomes?
• Title（参考訳）: 自動車オークションにおけるモデル単調性: より良い予測はより良い成果をもたらすのか?
• Abstract要約: 本稿では,レコメンダシステムモデルの品質,オークション形式,およびオートバイダ行動の相互作用について検討する。 単価入札による一価オークションは、予算のないtCPA入札者の収益単調性を保証する。 ビジネスモデル改善とビジネス成果の整合性を模索する広告プラットフォームに対して,本研究の結果は実用的意味を持つ。
• 参考スコア（独自算出の注目度）: 1.2691047660244335
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online advertising platforms rely on machine learning models to predict click-through rates (pCTR) and conversion rates (pCVR) for auction mechanisms. We introduce a novel framework to study the interaction between recommender system model quality, auction format, and autobidder behavior. We formalize when model improvements -- defined via a refinement relation inspired by filtrations in probability theory -- lead to improvements in platform-level Evaluation Criteria Metrics (ECM) such as revenue, welfare, or liquid welfare. Our main contributions are: (1) a formal definition of model improvement based on cluster refinement, and (2) a systematic characterization of ECM monotonicity across different combinations of bidder types (tCPA, max-CPA), auction formats (first-price, second-price, VCG), and budget constraints. We show that first-price auctions with uniform bidding guarantee revenue monotonicity for tCPA bidders without budgets (via Jensen's inequality), while second-price auctions and budget constraints can break this property. We provide full numerical constructions for the non-monotonicity results. Our findings have practical implications for advertising platforms seeking to align model improvements with business outcomes.
• Abstract（参考訳）: オンライン広告プラットフォームは、オークションメカニズムのクリックスルーレート(pCTR)とコンバージョンレート(pCVR)を予測するために、機械学習モデルに依存している。 本稿では,レコメンダシステムモデルの品質,オークション形式,およびオートバイダ行動の相互作用を研究するための新しい枠組みを提案する。 確率論における濾過にインスパイアされた改善関係によって定義されるモデル改善が、収益、福祉、流動性といったプラットフォームレベルの評価基準(ECM)の改善につながると、我々は形式化する。 主な貢献は,(1)クラスタリファインメントに基づくモデル改善の形式的定義,(2)入札者タイプ(tCPA,max-CPA),競売形式(第1価格,第2価格,VCG),予算制約によるECM単調性の体系的特徴付けである。 単価入札による第1価格オークションは、(ジェンセンの不平等による)予算のないtCPA入札者の収益単調性を保証する一方、第2価格オークションと予算制約は、この財産を損なう可能性があることを示す。 非単調な結果に対する完全な数値構成を提供する。 ビジネスモデル改善とビジネス成果の整合性を模索する広告プラットフォームに対して,本研究の結果は実用的意味を持つ。

関連論文リスト

• Efficiency of Proportional Mechanisms in Online Auto-Bidding Advertising [0.0]
  本研究では,純ナッシュ均衡の効率,特に流動的福祉目的の下でのアナーキー(PoA)の価格について検討する。 代用的な支払い方式で改定されたバージョンを導入し、1 + fracO(1)n-1$で、$n geq 2$は入札エージェントの数を表す。
  論文  参考訳（メタデータ） (2026-04-14T14:29:05Z)
• One Model, Two Markets: Bid-Aware Generative Recommendation [7.863030229448138]
  本稿では,商品関連性と収益化目標を直接生成シーケンスに統合する統合フレームワークを提案する。 制御トークンを導入し、どの項目から広告を表示するかの決定を分離する。 また,リアルタイムな価格設定処理を行うBid-Aware Decoding機構を考案し,推論プロセスに直接入札を注入し,高価値項目に対する評価を行う。
  論文  参考訳（メタデータ） (2026-03-23T17:27:59Z)
• Uncertainty Quantification of Click and Conversion Estimates for the Autobidding [41.674778042920956]
  オートバイディングアルゴリズムは、事前トレーニングされた機械学習モデルによって提供されるClick-Through-Rate(CTR)とConversion-Rate(CVR)の推定に依存する。 提案手法は,生成したCTRとCVRを補正し,競売における入札の効率を向上する。
  論文  参考訳（メタデータ） (2026-03-02T12:57:11Z)
• Breaking Determinism: Stochastic Modeling for Reliable Off-Policy Evaluation in Ad Auctions [16.315158617837646]
  この研究は、決定論的オークション環境における信頼性の高いオフ・ポリティ・アセスメント(OPE)のための、初めて実用的で検証されたフレームワークに貢献する。 提案手法は,提案手法を用いて提案した提案手法を,提案手法を用いて提案する提案手法である。 AuctionNetシミュレーションベンチマークと大規模産業プラットフォームによる2週間のオンラインA/Bテストに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2025-12-03T01:37:42Z)
• Bid2X: Revealing Dynamics of Bidding Environment in Online Advertising from A Foundation Model Lens [20.38823641084096]
  本稿では,この基本関数を様々なシナリオのデータから学習するために,入札基盤モデルBid2Xを提案する。 私たちのモデルは、世界最大のeコマースプラットフォームであるTaobaoの広告プラットフォームにデプロイされています。
  論文  参考訳（メタデータ） (2025-10-27T15:15:01Z)
• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Faster Cascades via Speculative Decoding [66.16909847419198]
  カスケードと投機的復号化は、言語モデルの推論効率を改善するためのアプローチである。 提案手法は,投機的実行による推論規則を実装した新しい投機的カスケード手法である。 我々の手法は、カスケードや投機的復号化ベースラインよりもコスト品質のトレードオフが優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-29T16:55:08Z)
• Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
  我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。 この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
  論文  参考訳（メタデータ） (2023-10-11T20:34:17Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Neural Auction: End-to-End Learning of Auction Mechanisms for E-Commerce Advertising [42.7415188090209]
  我々は,オークションからコンテキストを効率的に抽出する深層モデルを開発し,オークションデザインのための豊富な特徴を提供する。 タオバオのEコマース広告システムにDNAが配備されている。
  論文  参考訳（メタデータ） (2021-06-07T13:20:40Z)
• Posterior Differential Regularization with f-divergence for Improving Model Robustness [95.05725916287376]
  クリーン入力とノイズ入力のモデル後部差を規則化する手法に着目する。 後微分正則化を$f$-divergencesの族に一般化する。 実験の結果, 後方微分を$f$-divergenceで正規化することで, モデルロバスト性の向上が期待できることがわかった。
  論文  参考訳（メタデータ） (2020-10-23T19:58:01Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。