論文の概要: AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution
- arxiv url: http://arxiv.org/abs/2608.13833v1
- Date: Thu, 13 Aug 2026 23:53:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.225354
- Title: AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution
- Title（参考訳）: AdsWorldEngine: オーケストレータとツールの共進化による自己進化型会話型広告エージェント
- Authors: Simiao Zuo, Chenhui Xu, Yimeng Jia, Qiang Lou, Jian Jiao, Denis Charles,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.959681786863412
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conversational advertising aims to deliver useful ads within multi-turn assistant interactions. Unlike conventional query-based advertising, where the user's intent is often expressed in a short standalone query, conversational ads must infer latent commercial intent from the current user query, the assistant response, and dialogue history while also deciding whether an ad would be helpful rather than intrusive. We propose AdsWorldEngine, an agentic framework for conversational advertising. AdsWorldEngine uses an Opportunity Gate to determine whether ads should be shown, an Orchestrator to generate commercial intents, call advertising tools, and construct a top-3 ad slate, and an Evaluator to score delivered ads for offline optimization. The central contribution is an iterative actor-tool training procedure: we first train the Orchestrator with supervised fine-tuning and agentic reinforcement learning, then use high- and low-reward rollouts to construct preference data to train tools. This creates a self-improving loop in which the system learns not only how to use advertising tools, but also how to improve them from rewarded behavior. To support subjective production decisions, we introduce label grounded judgment modeling, which trains judgment models from human labels collected under explicit guidelines. It enriches labels with thinking traces, filters inconsistent rationales through reflection, and further optimizes binary judgments with a cost sensitive GRPO variant that preserves asymmetric reward gaps. Offline, AdsWorldEngine improves diversity by 60% and relevance by 80% over the current production ad delivery system. In an online A/B test, it increases RPM by 22% and ads coverage by 74%.
- Abstract（参考訳）: 会話型広告は、多ターンアシスタントインタラクション内で有用な広告を提供することを目的としている。
ユーザの意図が短いスタンドアロンのクエリで表現される従来のクエリベースの広告とは異なり、会話型広告は、現在のユーザクエリ、アシスタント応答、対話履歴から遅延した商業意図を推測すると同時に、侵入的ではなく広告が役に立つかどうかを判断する必要がある。
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で商業目的を生成し、広告ツールを呼び出し、トップ3広告スレートを構築し、Evaluatorでオフライン最適化のために配信された広告を評価する。
まず、教師付き微調整とエージェントによる強化学習でオーケストレータを訓練し、次にハイリワードロールアウトとローリワードロールアウトを使用して、ツールをトレーニングするための嗜好データを構築します。
これにより、システムは広告ツールの使用方法だけでなく、報奨行動から改善する方法を学ぶ自己改善ループが生成される。
主観的生産決定を支援するために,明示的なガイドラインの下で収集された人間のラベルから判断モデルを訓練するラベル基底判断モデルを導入する。
ラベルを思考トレースで豊かにし、リフレクションを通して矛盾する有理性をフィルターし、さらに非対称な報酬ギャップを保持するコスト敏感なGRPO変種で二項判定を最適化する。
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。
オンラインA/Bテストでは、RPMを22%、広告カバレッジを74%向上させる。
関連論文リスト
- Interactor: Agentic RL oriented Iterative Creation for Ad Description Generation in Sponsored Search [12.65264204975306]
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。
論文 参考訳（メタデータ） (2026-06-14T16:40:41Z) - 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) - 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) - 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) - Long-Term Ad Memorability: Understanding & Generating Memorable Ads [54.23854539909078]
マーケティングやブランドビルディングにおける長期記憶の重要性にもかかわらず、これまで広告の記憶可能性に関する大規模な研究は行われていない。
276のブランドをカバーする1749の参加者と2205の広告からなる,最初の記憶可能性データセットであるLAMBDAをリリースする。
異なる参加者のサブポピュレーションや広告タイプに対する統計的テストを実行すると、広告を記憶可能なものにするための興味深い洞察がたくさん見つかる。
本稿では,自動アノテートデータを活用することで,高品質な記憶可能な広告生成モデルを構築するためのスケーラブルな手法を提案する。
論文 参考訳（メタデータ） (2023-09-01T10:27:04Z) - Online Ad Procurement in Non-stationary Autobidding Worlds [10.871587311621974]
本稿では,複数次元決定変数,帯域幅フィードバック,長期不確実な制約を用いたオンライン意思決定のための原始双対アルゴリズムを提案する。
提案アルゴリズムは, 逆数, 逆数, 周期的, エルゴディックな手順により, 調達結果が生成されると, 多くの世界では, 後悔の度合いが低いことを示す。
論文 参考訳（メタデータ） (2023-07-10T00:41:08Z) - AI-Driven Contextual Advertising: A Technology Report and Implication
Analysis [0.0]
プログラム広告はデジタル広告空間の自動オークションである。
文脈広告に対する関心は、部分的には現在の個人データへの依存に対する反作用である。
人工知能(AI)の発展により、コンテキストのより深いセマンティックな理解が可能になる。
論文 参考訳（メタデータ） (2022-05-02T13:44:58Z) - A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in
Online Advertising [53.636153252400945]
本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。
当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
論文 参考訳（メタデータ） (2021-06-11T08:07:14Z) - An Empirical Study of In-App Advertising Issues Based on Large Scale App
Review Analysis [67.58267006314415]
われわれは,App StoreとGoogle Playの広告関連ユーザフィードバックに関する大規模分析を行った。
広告関連レビュー36,309件の統計分析から,利用者は使用中のユニーク広告数や広告表示頻度を最も気にしていることがわかった。
いくつかの広告イシュータイプは、他の広告イシューよりも開発者によって迅速に対処される。
論文 参考訳（メタデータ） (2020-08-22T05:38:24Z) - 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) - Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential
Advertising [52.3825928886714]
我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。
理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。
強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
論文 参考訳（メタデータ） (2020-06-29T18:50:35Z)
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。