論文の概要: AIGB-R1: Self-Evolving Generative Auto-Bidding via Hierarchical Planner-Executor Optimization

• arxiv url: http://arxiv.org/abs/2607.17281v1
• Date: Sun, 19 Jul 2026 14:59:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.418207
• Title: AIGB-R1: Self-Evolving Generative Auto-Bidding via Hierarchical Planner-Executor Optimization
• Title（参考訳）: AIGB-R1:階層型プランナー-実行最適化による自己進化型自動入札
• Abstract要約: 自動入札はオンライン広告において重要な役割を担い、広告主が商業目標を最適化するための入札を自動的に調整する。 推論機能によるAI生成入札を強化することを目的とした,階層的な自己進化型自動入札フレームワークであるAIGB-R1を提案する。 オフライン事前学習とトレーニング後アライメントの2段階パイプラインを採用し,戦略展開のための対話型入札シミュレーション環境を構築した。
• 参考スコア（独自算出の注目度）: 23.02295184305076
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Auto-bidding plays an essential role in online advertising, automatically adjusting bids for advertisers to optimize their commercial goals. The emerging AI-Generated Bidding (AIGB) paradigm widely adopts generative modeling to optimize bidding strategies, yet suffers from the limited mode coverage of offline datasets and inadequate task-state understanding, hindering effective exploration of optimal strategies. Large Language Models (LLMs), with prior world knowledge and reasoning capabilities, offer a promising approach to overcome these limitations. However, directly applying LLMs to auto-bidding tasks faces inherent challenges in limited numerical precision, hallucinations, and inference latency. To address these limitations, we propose AIGB-R1, a hierarchical self-evolving auto-bidding framework aiming to enhance AI-Generated Bidding via LLMs' Reasoning capabilities, comprising a high-level Planner module for macro-level strategy planning and a low-level Executor module for fine-grained decision-making. Building upon this, we design an experience-driven self-evolving loop, enabling autonomous strategy exploration and optimization from accumulated experience. We adopt a two-stage pipeline of offline pre-training and post-training alignment, and build an interactive bidding simulation environment for strategy rollout. Furthermore, we propose Decoupled Group Relative Policy Optimization (D-GRPO) to achieve end-to-end optimization via advantage decoupling. Experimental results on a large-scale public dataset demonstrate the effectiveness of AIGB-R1.
• Abstract（参考訳）: 自動入札はオンライン広告において重要な役割を担い、広告主が商業目標を最適化するための入札を自動的に調整する。 新興のAI-Generated Bidding(AIGB)パラダイムは、入札戦略を最適化するための生成モデリングを広く採用しているが、オフラインデータセットの限られたモードカバレッジとタスク状態理解の不十分さに悩まされており、最適な戦略の効果的な探索を妨げる。 LLM(Large Language Models)は、これらの制限を克服するための有望なアプローチを提供する。 しかし、オートバイディングタスクにLSMを直接適用することは、限定的な数値精度、幻覚、推論遅延において固有の課題に直面している。 これらの制限に対処するため,LLMによる推論機能によるAI生成ビディングの強化を目的とした階層的自己進化型自動入札フレームワークであるAIGB-R1を提案し,マクロレベルの戦略計画のための高レベルプランナーモジュールと,きめ細かい意思決定のための低レベル実行モジュールを備える。 これに基づいて、我々は、蓄積した経験から自律的な戦略探索と最適化を可能にする、経験駆動の自己進化ループを設計する。 オフライン事前学習とトレーニング後アライメントの2段階パイプラインを採用し,戦略展開のための対話型入札シミュレーション環境を構築した。 さらに、デカップリングによるエンドツーエンドの最適化を実現するために、デカップリンググループ相対ポリシー最適化(D-GRPO)を提案する。 大規模な公開データセットの実験結果は、AIGB-R1の有効性を示している。

関連論文リスト

• Strategy-Aware Parameter-Efficient Adaptation for LLM-based Auto-Bidding [16.834816807572757]
  SAGEは、効率的な入札のためにLLMによってガイドされた、戦略対応の新しい自動入札フレームワークである。 完全微調整で必要となるトレーニング可能なパラメータの10%未満をチューニングしながら、SAGEが一貫して優れたパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2026-07-27T10:08:43Z)
• Adversarial Attacks Against MLLMs via Progressive Resolution Processing and Adaptive Feature Alignment [56.085182951399496]
  敵対的摂動は、特定の対象物として良性画像を認識するマルチモーダル大言語モデル(MLLM)を誤解させる可能性がある。 これにより、ブラックボックスMLLMの堅牢性を理解し改善するために、転送ベースのターゲットアタックが重要である。 マルチスケールなグローバルなセマンティックガイダンスとロバストな中間層局所アライメントを統合した,トランスファーベースの攻撃フレームワークであるPRAF-Attackを提案する。
  論文  参考訳（メタデータ） (2026-05-11T02:45:48Z)
• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• LBM: Hierarchical Large Auto-Bidding Model via Reasoning and Acting [29.012758785758262]
  大規模言語モデル(LLM)は、先行する人間の知識と推論能力を活用して、自動入札のパフォーマンスを向上させることで、有望なソリューションを提供する。 本稿では,LLMの推論能力を活かした階層型大規模自動入札モデル(LBM)を提案する。
  論文  参考訳（メタデータ） (2026-03-05T13:01:21Z)
• DARA: Few-shot Budget Allocation in Online Advertising via In-Context Decision Making with RL-Finetuned LLMs [21.30516760599435]
  大規模言語モデルは、AIGBの有望な代替手段を提供する。 微粒な最適化に必要な数値精度は欠如している。 DARAは、意思決定プロセスを2段階に分解する新しい2段階のフレームワークである。 当社のアプローチは、予算制約下での累積広告価値において、既存のベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-01-21T06:58:44Z)
• MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization [56.074760766965085]
  大規模言語モデル(LLM)の整合性のための効率的なパラダイムとしてグループ相対政策最適化が登場している。 我々は,報酬スカラー化を動的潜在ポリシーとして扱い,モデルの終端隠蔽状態を意味的ボトルネックとして活用するMAESTROを提案する。 本稿では,軽量コンダクタネットワークがメタリワード信号としてグループ相対的優位性を生かしてポリシと共進化する,双方向最適化フレームワークにおけるコンテキスト的帯域幅問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-01-12T05:02:48Z)
• SEGB: Self-Evolved Generative Bidding with Local Autoregressive Diffusion [9.051746879211764]
  Self-Evolved Generative Bidding (SEGB)は、積極的に計画し、完全にオフラインで洗練するフレームワークである。 SEGBはまず、各入札をガイドするために、もっともらしい短水平状態の状態を合成し、エージェントに決定的かつダイナミックな監視を提供する。 そして、外部の介入なしに優れた戦略を反復的に発見するために、価値誘導された政策改善を行う。
  論文  参考訳（メタデータ） (2025-12-31T09:05:59Z)
• Enhancing Generative Auto-bidding with Offline Reward Evaluation and Policy Search [24.02739832976663]
  自動入札は、広告主がパフォーマンスを改善するための重要なツールである。 近年の進歩により、AIGB(AI-Generated Bidding)は、通常のオフライン強化学習(RL)ベースの自動入札法と比較して優れた性能を発揮することが示されている。 生成計画とポリシー最適化を統合した新しい手法であるAIGB-Pearlを提案する。
  論文  参考訳（メタデータ） (2025-09-19T12:30:26Z)
• Dynamic Rewarding with Prompt Optimization Enables Tuning-free Self-Alignment of Language Models [54.381650481255235]
  我々は,Prompt Optimization (O) を用いた動的リワードによる自己アライメントのための新しいチューニング不要アプローチを提案する。 提案手法は,LLMを反復的に自己改善し,最適アライメント命令を作成可能な検索ベース最適化フレームワークを活用する。 近年の8つのLCMのオープンおよびクローズドソースに関する実証評価により,DRPOはアライメント性能を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-11-13T16:15:38Z)
• Self-Augmented Preference Optimization: Off-Policy Paradigms for Language Model Alignment [104.18002641195442]
  既存のペアデータを必要としない、効果的でスケーラブルなトレーニングパラダイムである自己拡張型優先度最適化(SAPO)を導入する。 負の反応を自律的に生成するセルフプレイの概念に基づいて、我々はさらに、データ探索とエクスプロイトを強化するために、非政治的な学習パイプラインを組み込む。
  論文  参考訳（メタデータ） (2024-05-31T14:21:04Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)

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。