論文の概要: Interactor: Agentic RL oriented Iterative Creation for Ad Description Generation in Sponsored Search
- arxiv url: http://arxiv.org/abs/2606.15911v1
- Date: Sun, 14 Jun 2026 16:40:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.9369
- Title: Interactor: Agentic RL oriented Iterative Creation for Ad Description Generation in Sponsored Search
- Title（参考訳）: Interactor: スポンサー検索における広告記述生成のためのエージェントRL指向反復生成
- Abstract要約: 本稿では,スポンサー付き検索における情報的広告記述を自動的に生成することに焦点を当てる。
広告記述生成のためのエージェントRLに最適化されたマルチターン反復生成フレームワークであるInteractorを提案する。
- 参考スコア（独自算出の注目度）: 12.65264204975306
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper focuses on automatically generating informative ad descriptions in sponsored search. Unlike ad titles which are usually optimized to attract user click feedbacks, ad descriptions have a longer text span and possess the potential of incorporating world knowledge to address user search intents while presenting the fine-grained selling points of the ads. We propose Interactor, a multi-turn iterative creation framework optimized with agentic RL for ad description generation. The generation model acts as a policy that interacts with a customized environment consisting of multiple generative reward models. Given initial generations by the policy, the customized GenRMs evaluate multi-dimensional qualities including knowledge capacity and landing page consistency, providing both binary signals and reasoning feedbacks. The policy then iteratively refines the descriptions based on such feedbacks to ensure continuous improvement. Experiments on industrial datasets show that the Interactor framework significantly outperforms state-of-the-art approaches in generating knowledge-rich and faithful ad descriptions. Since May 2026, it has been deployed online in a leading search ads system, contributing to both ad revenue and user experience.
- Abstract（参考訳）: 本稿では,スポンサー付き検索における情報的広告記述を自動的に生成することに焦点を当てる。
ユーザーがクリックしたフィードバックを惹きつけるように最適化される広告タイトルとは異なり、広告説明は長いテキスト幅を持ち、ユーザーの検索意図に対処するために世界の知識を取り入れ、広告のきめ細かいセールスポイントを提示する可能性を持っている。
広告記述生成のためのエージェントRLに最適化されたマルチターン反復生成フレームワークであるInteractorを提案する。
生成モデルは、複数の生成的報酬モデルからなるカスタマイズされた環境と相互作用するポリシーとして機能する。
ポリシーによって初期世代が与えられると、カスタマイズされたGenRMは知識能力とランディングページの一貫性を含む多次元的な品質を評価し、バイナリ信号と推論フィードバックの両方を提供する。
その後、ポリシーはそのようなフィードバックに基づいて記述を反復的に洗練し、継続的な改善を保証する。
産業データセットの実験では、Interactorフレームワークは知識豊かで忠実な広告記述を生成する最先端のアプローチを著しく上回っている。
2026年5月からは、主要な検索広告システムでオンラインに展開され、広告収入とユーザー体験の両方に寄与している。
関連論文リスト
- AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution [10.959681786863412]
本稿では,対話型広告のためのエージェントフレームワークであるAdsWorldEngineを提案する。
AdsWorldEngineはオポチュニティゲートを使用して、広告を表示するかどうかを判断し、Orchestratorを使って商業的なインテントを生成し、広告ツールを呼び、トップ3の広告スレートを構築する。
オフラインでは、AdsWorldEngineは多様性を60%改善し、現在のプロダクション広告配信システムよりも80%改善している。
論文 参考訳（メタデータ） (2026-08-13T23:53:05Z) - Design Your Ad: Personalized Advertising Image and Text Generation with Unified Autoregressive Models [75.31791398000492]
広告画像とテキストの両方を生成するために,単一の自己回帰フレームワークを利用するUnified Advertisement Generative Model(Uni-AdGen)を開発した。
広告をよりパーソナライズするために、我々はUni-AdGenに粗い好み理解モジュールを装備する。
提案手法は,汎用的かつパーソナライズされた広告生成において,ベースラインを上回っている。
論文 参考訳（メタデータ） (2026-05-12T13:58:06Z) - Detecting RAG Advertisements Across Advertising Styles [24.080227437136585]
大型言語モデル(LLM)のための広告スタイルの分類法を開発する。
我々は広告主が広告スタイルを変えて検出を回避しようとすることをシミュレートする。
我々は、その堅牢性に関して、様々な広告検出アプローチを評価した。
論文 参考訳（メタデータ） (2026-03-05T08:16:21Z) - NextAds: Towards Next-generation Personalized Video Advertising [46.666292153282875]
NextAdsは次世代のパーソナライズされたビデオ広告のためのパラダイムだ。
私たちは、パーソナライズされたクリエイティブ生成とパーソナライズされたクリエイティブ統合という2つの代表的なタスクを定式化します。
我々は初期の探索実験を行い、GenAIがパーソナライズされたクリエイティブを創造し、統合し、パフォーマンスを奨励できることを実証した。
論文 参考訳（メタデータ） (2026-03-02T17:58:07Z) - Open Multimodal Retrieval-Augmented Factual Image Generation [86.34546873830152]
Factual Image Generation(FIG)のためのエージェント型オープンマルチモーダル検索拡張フレームワークORIGを紹介する。
ORIGは、Webから反復的にマルチモーダルなエビデンスを検索してフィルタリングし、洗練された知識をリッチなプロンプトにインクリメンタルに統合し、生成をガイドする。
実験により、ORIGは強いベースラインよりも事実整合性と全体的な画像品質を大幅に改善することが示された。
論文 参考訳（メタデータ） (2025-10-26T04:13:31Z) - SUMMA: A Multimodal Large Language Model for Advertisement Summarization [15.514886325064792]
本研究では,ビデオ広告を商品価値の高いコンテンツを強調する要約に加工するモデルであるSUMMAを提案する。
SUMMAは2段階の訓練戦略-マルチモーダル指導型微調整と強化学習によって開発される。
オンライン実験は、統計的に広告収入が1.5%増加したことを示している。
論文 参考訳（メタデータ） (2025-08-28T09:19:53Z) - TeamCMU at Touché: Adversarial Co-Evolution for Advertisement Integration and Detection in Conversational Search [1.187456026346823]
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。
論文 参考訳（メタデータ） (2025-07-01T07:24:29Z) - LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [78.73711446918814]
我々は,属性ベースのテキスト知識を活用するために,アクシデントチューニング戦略を採用した,AG-ReIDのためのLATexという新しいフレームワークを提案する。
我々のフレームワークは属性ベースのテキスト知識をフル活用してAGReIDの性能を向上させることができる。
論文 参考訳（メタデータ） (2025-03-31T04:47:05Z) - CTR-Driven Advertising Image Generation with Multimodal Large Language Models [53.40005544344148]
本稿では,Click-Through Rate (CTR) を主目的とし,マルチモーダル大言語モデル(MLLM)を用いた広告画像の生成について検討する。
生成した画像のCTRをさらに改善するため、強化学習(RL)を通して事前学習したMLLMを微調整する新たな報酬モデルを提案する。
本手法は,オンラインとオフラインの両方で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-02-05T09:06:02Z) - 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) - A Multimodal Framework for Video Ads Understanding [64.70769354696019]
広告ビデオコンテンツの構造化分析能力を向上させるためのマルチモーダルシステムの開発を行う。
2021年のTAAC最終リーダーボードでは, 位置推定と予測精度を考慮した0.2470のスコアを得た。
論文 参考訳（メタデータ） (2021-08-29T16:06:00Z) - 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) - Recommending Themes for Ad Creative Design via Visual-Linguistic
Representations [27.13752835161338]
広告クリエイティブストラテジストのためのテーマ(キーワード)推薦システムを提案する。
テーマレコメンデータは、視覚的質問応答(VQA)タスクの結果の集約に基づく。
クロスモーダル表現は分類精度とランク付け精度を著しく向上させることを示した。
論文 参考訳（メタデータ） (2020-01-20T18:04:10Z)
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。