論文の概要: AgenticGen: Reward-Guided Agentic Video Generation for Advertising
- arxiv url: http://arxiv.org/abs/2609.09187v1
- Date: Mon, 31 Aug 2026 07:35:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.731431
- Title: AgenticGen: Reward-Guided Agentic Video Generation for Advertising
- Title（参考訳）: AgenticGen: Reward-Guided Agentic Video Generation for Advertising
- Abstract要約: AgenticGenは、広告ビデオ生成を2つの訓練可能な推論段階に分解する報酬誘導フレームワークである。
オンライン実験によると、DPOとGRPOの後のAgenicGenはCTRを2.72%改善し、CVRを2.63%改善し、Advvを9.61%改善した。
- 参考スコア（独自算出の注目度）: 42.76861220174212
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advertising video generation is not only a video synthesis task, but also a product-conditioned reasoning problem whose success is measured by online business metrics. Recent video foundation models can generate realistic clips from multimodal conditions, yet they do not optimize how a product should be transformed into an effective advertisement or how future generation should be improved from online business feedback. To close this loop, we propose AgenticGen, a reward-guided agentic framework that decomposes advertising video generation into two trainable reasoning stages, strategy selection and draft generation, thereby exposing optimization targets that online business feedback can supervise. AgenticGen learns a performance-based reward from accumulated online feedback and a complementary rubric-based reward aligned with human quality standards, then uses them to supervise policy optimization. DPO first moves the agentic policies toward online preferences, and GRPO further refines both stages with process and outcome rewards. Offline experiments validate the reward models and successive policy optimization. Online A/B experiments in the TikTok advertising system show that AgenticGen after DPO and GRPO improves CTR by 2.72%, CVR by 2.63%, and Advv by 9.61% over the SFT baseline.
- Abstract（参考訳）: ビデオ生成の広告は、ビデオ合成タスクだけでなく、オンラインビジネスメトリクスによって成功した製品条件の推論問題でもある。
最近のビデオファンデーションモデルは、マルチモーダルな条件からリアルなクリップを生成することができるが、製品が効果的な広告にどのように変換されるべきか、オンラインビジネスのフィードバックからどのように生成が改善されるべきかを最適化しない。
本稿では,広告ビデオ生成を2つの訓練可能な推論段階,戦略選択とドラフト生成に分解し,オンラインビジネスフィードバックが監視できる最適化目標を提示する,報酬誘導型エージェントフレームワークであるAgenticGenを提案する。
AgenticGenは、蓄積されたオンラインフィードバックからパフォーマンスベースの報酬と、人間の品質基準に沿った補完的なルーリックベースの報酬を学び、それを使ってポリシー最適化を監督する。
DPOはまずエージェントポリシーをオンラインの嗜好に移行し、GRPOはプロセスと結果の報酬でさらに改善する。
オフライン実験は報酬モデルと連続したポリシー最適化を検証する。
TikTokのオンラインA/B実験によると、DPOとGRPOの後のAgenticGenはCTRを2.72%改善し、CVRを2.63%改善し、Advvを9.61%改善した。
関連論文リスト
- Recommendation as Generation: Unifying Personalized Video Generation and Recommendation at Industrial Scale [39.03125255049368]
本稿では,提案するRecommendation-as-Generation(RaG)を提案する。
我々のフレームワークは、共有セマンティックID(SID)を通じて生成レコメンデーションとビデオ生成を統一する。
私たちはRaGを4億人のデイリーアクティブユーザーを持つ産業規模のプラットフォームにデプロイし、収益クリティカルな広告シナリオで評価します。
論文 参考訳（メタデータ） (2026-06-24T07:23:20Z) - 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) - iGRPO: Self-Feedback-Driven LLM Reasoning [88.83313431248473]
大規模言語モデル(LLM)は複雑な数学的問題を解く上で有望であるが、正確で一貫したソリューションを生み出すには至っていない。
IGRPO(Iterative Group Relative Policy Optimization)は、モデル生成ドラフトを通じて動的自己条件を追加するGRPOの2段階拡張である。
一致するロールアウト予算の下では、iGRPOはGRPOをベースモデルで一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-09T18:45:11Z) - Q-Regularized Generative Auto-Bidding: From Suboptimal Trajectories to Optimal Policies [27.96571937113551]
Q-value regularized Generative Auto-bidding法であるQGAを提案する。
大規模な実世界のA/Bテストでは、QGAはAd GMVが3.27%増加し、Ad ROIが2.49%改善した。
論文 参考訳（メタデータ） (2026-01-06T06:42:25Z) - 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) - ReAgent-V: A Reward-Driven Multi-Agent Framework for Video Understanding [71.654781631463]
ReAgent-Vは、新しいエージェントビデオ理解フレームワークである。
推論中に効率の良いフレーム選択とリアルタイムの報酬生成を統合する。
12のデータセットに対する大規模な実験は、一般化と推論において大きな成果を上げている。
論文 参考訳（メタデータ） (2025-06-02T04:23:21Z) - 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) - IPO: Iterative Preference Optimization for Text-to-Video Generation [10.625127393884462]
人間のフィードバックを取り入れて生成した映像の質を高めるための反復選好最適化手法を提案する。
IPOは、直接選好最適化(Direct Preference Optimization)やポイントワイズスコア(point-wise score)のように、ビデオ世代をペアワイズランキングで正当化する批判モデルを活用する。
さらに、IPOは批判モデルにマルチモダリティの大規模言語モデルを導入し、リトレーニングや緩和を必要とせず、自動的に好みラベルを割り当てることを可能にする。
論文 参考訳（メタデータ） (2025-02-04T08:14:34Z) - SoPo: Text-to-Motion Generation Using Semi-Online Preference Optimization [49.76016928551215]
我々は、高品質で人間の好む動きを常に好むように微調整されたテキスト・トゥ・モーションモデルに焦点を当てる。
そこで本研究では,DPOに基づくテキスト・ツー・モーションモデルのトレーニング手法であるSemi-online Preference Optimization (SoPo)を紹介する。
実験により、SoPoは他の選好アライメント方法よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-12-06T14:50:38Z) - Plan Better Amid Conservatism: Offline Multi-Agent Reinforcement
Learning with Actor Rectification [74.10976684469435]
オフライン強化学習(RL)アルゴリズムは、直接マルチエージェント設定に転送することができる。
本稿では,この重要な課題に対処するために,Actor Rectification (OMAR) を用いたオフラインマルチエージェント RL を提案する。
OMARはマルチエージェント連続制御ベンチマークにおける最先端性能と強いベースラインを著しく上回る。
論文 参考訳（メタデータ） (2021-11-22T13:27:42Z)
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。