論文の概要: AdCoEvo: A Co-Evolving Multi-Agent Advertising Delivery System

• arxiv url: http://arxiv.org/abs/2610.19454v1
• Date: Wed, 14 Oct 2026 02:40:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.921901
• Title: AdCoEvo: A Co-Evolving Multi-Agent Advertising Delivery System
• Title（参考訳）: AdCoEvo: マルチエージェント広告配信システムの共同開発
• Abstract要約: 共同開発型マルチエージェント広告配信システムであるAdCoEvoを提案する。 役割の専門化を通じて、さまざまなタイムスケールと運用上の粒度のデリバリ決定を結び付ける。 計画、調整、診断の相互フィードバックを通じて、デリバリ戦略を継続的に改善します。
• 参考スコア（独自算出の注目度）: 32.29140939335411
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital advertising is an important means for platforms to reach potential users and drive business growth. Advertising delivery is the core link between marketing objectives and actual returns. Existing methods have achieved partial automation in individual tasks such as bidding and budget allocation, but they still rely on human operators for overall coordination, making it difficult to support large-scale operations. They also often fail to achieve optimal performance, and individual experience remains difficult to turn into reusable operational capabilities. In addition, as advertising markets change, advertising delivery systems need timely strategy updates to remain effective in dynamic markets. To automate the entire advertising operations process and improve adaptability to market changes, we propose AdCoEvo, a co-evolving multi-agent advertising delivery system. Specifically, the system connects delivery decisions across different timescales and operational granularities through role specialization. Diagnostic results guide account planning and strategy adjustment in the next period. The multi-agent system updates its model parameters based on actual delivery outcomes and continually improves delivery strategies through mutual feedback among planning, adjustment, and diagnosis, thereby achieving co-evolution. Experiments show that, relative to the rule-based operational baseline (Rule), AdCoEvo increases advertiser value by 14.02% while reducing cost per acquisition by 7.07%. Compared with a multi-agent system with fixed parameters, AdCoEvo increases advertiser value by 3.96% and reduces cost per acquisition by 1.24%, indicating that co-evolution can yield greater delivery returns.
• Abstract（参考訳）: デジタル広告は、プラットフォームが潜在的なユーザーにリーチし、ビジネスの成長を促進する重要な手段である。 マーケティングの目的と実際のリターンの間には、デリバリの宣伝が中核となる。 既存の手法は入札や予算配分といった個々のタスクにおいて部分的な自動化を実現しているが、全体としては人間の操作に頼っているため、大規模な運用を支援することは困難である。 また、最適なパフォーマンスを達成することができず、個々の経験を再利用可能な運用能力に変えるのは難しい。 さらに、広告市場が変化するにつれて、広告配信システムは動的市場において効果を維持するために、タイムリーな戦略更新が必要である。 広告運用プロセス全体を自動化し,市場の変化への適応性を向上させるために,共同発展型マルチエージェント広告配信システムであるAdCoEvoを提案する。 具体的には、役割の専門化を通じて、さまざまなタイムスケールと運用上の粒度のデリバリ決定を結びつける。 診断結果は、次の期間における会計計画と戦略調整をガイドする。 マルチエージェントシステムは、実際のデリバリ結果に基づいてモデルパラメータを更新し、計画、調整、診断の相互フィードバックを通じてデリバリ戦略を継続的に改善し、共同進化を実現する。 実験によると、ルールベースの運用ベースライン(Rule)と比較して、AdCoEvoは広告主の価値を14.02%向上させ、買収当たりのコストを7.07%削減した。 固定パラメータを持つマルチエージェントシステムと比較すると、AdCoEvoは広告主価値を3.96%増加させ、買収当たりのコストを1.24%削減する。

関連論文リスト

• Bidding-Aware Retrieval for Multi-Stage Consistency in Online Advertising [30.108437268612438]
  Bidding-Aware Retrieval (BAR) はモデルベースの検索フレームワークであり、検索スコア関数に広告入札値を組み込むことで、多段階の不整合に対処する。 BARの中核となる革新はビディン・アウェア・モデリング(Bidding-Aware Modeling)であり、経済的に一貫性のある表現を確保するために単調な学習とマルチタスクの蒸留を通じて入札信号を取り入れている。 大規模なオフライン実験とAlibabaのディスプレイ広告プラットフォームへのフルスケール展開により、BARの有効性が検証された。
  論文  参考訳（メタデータ） (2025-08-07T09:43:34Z)
• External Evaluation of Discrimination Mitigation Efforts in Meta's Ad Delivery [47.418845064441605]
  本稿では,Metaによって実装された可変還元システム(VRS)が,個人にとっての機会へのアクセスを有意義に改善していないことを示す。 そして、現実世界の広告でVRSを評価する実験を行い、VRSがばらつきを減らす一方で、広告主のコストも上昇させることを示した。 当社のアプローチは,すべてのグループからのユーザに対する広告露出の増加と,広告主に対するコスト削減によって,VRSよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-19T19:29:26Z)
• Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T05:56:51Z)
• Enhancing Monotonic Modeling with Spatio-Temporal Adaptive Awareness in Diverse Marketing [15.024320284683215]
  OFOSプラットフォームは、支払いを促進するためにユーザーや商人に動的アロケーションインセンティブを提供する。 本稿では,マーケティング価格の高効率化を実現するために,制約付きモノトニック適応ネットワーク(CoMAN)を提案する。 提案手法の有効性を実証し, モノトニック・オブ・ザ・アーティファクト法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-20T09:21:09Z)
• 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)
• VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
  本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。 具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。 当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
  論文  参考訳（メタデータ） (2022-05-31T17:45:30Z)
• 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)
• 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。