論文の概要: Causal Value Attribution of Marketing Labels in LLM-Generated Ads: A Deconfounder Approach
- arxiv url: http://arxiv.org/abs/2610.23025v1
- Date: Fri, 16 Oct 2026 07:01:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.799555
- Title: Causal Value Attribution of Marketing Labels in LLM-Generated Ads: A Deconfounder Approach
- Title（参考訳）: LLM広告におけるマーケティングラベルの因果価値の寄与 : 共同設立者のアプローチ
- Abstract要約: 本研究では,LLM生成広告を条件づけたプリミティブとして,構造化された専門家ラベルが機能する生成マーケティングについて検討する。
スキルメディエーション、高次元ラベル相互作用、マルチモーダル・コンバウンディングを反映しているため、その因果効果を推定することは困難である。
本研究は,多処理デコーダと因果表現学習を統合した反ファクト推論フレームワークであるD-VAE(Deconfounder Variational Autoencoder)を提案する。
- 参考スコア（独自算出の注目度）: 6.830859411118475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As AI-generated content becomes commoditized, economic value increasingly shifts from final artifacts to the upstream expertise used to specify inputs that steer LLM generation. Yet organizations lack methods for valuing this expertise and identifying which individual skills or configurations causally improve performance. This study examines generative marketing, where structured expert labels serve as skill primitives conditioning LLM-generated advertisements. Estimating their causal effects is difficult because outcomes reflect stochastic LLM mediation, high-dimensional label interactions, and multimodal confounding. This study proposes D-VAE (Deconfounder Variational Autoencoder), a counterfactual-inference framework integrating a multi-treatment deconfounder with causal representation learning. D-VAE recovers causally disentangled expert-labeling logic and derives PAC-based bounds on omitted-variable bias from single-treatment confounders. Applied to 29,177 foundation-makeup ad creatives, D-VAE outperforms state-of-the-art benchmarks. A field experiment shows that recommended configurations increase engagement by 32.7% and perform statistically indistinguishably from human experts, while a simulation study confirms causal attribution under complex confounding and treatment interactions. Overall, the study shifts value assessment from AI-generated products to skills, providing a foundation for pricing and optimizing AI-augmented skill portfolios.
- Abstract（参考訳）: AIが生成するコンテンツがコモディティ化されるにつれて、経済価値は最終成果物から、LCM生成を補助する入力を特定するために使用される上流の専門知識へと変化していく。
しかし、組織には、この専門知識を評価し、どの個別のスキルや構成がパフォーマンスを慎重に改善するかを特定する方法がない。
本研究では,LLM広告を条件に,構造化された専門家ラベルがスキルプリミティブとして機能する生成マーケティングについて検討する。
因果効果の推定は、確率的LLMメディエーション、高次元ラベル相互作用、マルチモーダルコンバウンディングを反映しているため困難である。
本研究は,多処理デコーダと因果表現学習を統合した反ファクト推論フレームワークであるD-VAE(Deconfounder Variational Autoencoder)を提案する。
D-VAEは、因果的不整合の専門家ラベル論理を回復し、単一処理共同設立者による省略変数バイアスに基づくPACベースのバウンダリを導出する。
29,177人のファンデーションメイクアップ広告クリエイティブに適用されるD-VAEは、最先端のベンチマークを上回っている。
フィールド実験では、推奨された構成がエンゲージメントを32.7%増加し、統計的に人間の専門家と区別できない結果が得られた。
全体として、この研究は価値アセスメントをAI生成製品からスキルにシフトし、AI強化スキルポートフォリオの価格設定と最適化のための基盤を提供する。
関連論文リスト
- Generative Explainability for Next-Generation Networks: LLM-Augmented XAI with Mutual Feature Interactions [1.139115821799478]
既存の説明可能な人工知能(XAI)技術は、このギャップを非専門家に橋渡ししないことが多い。
本稿では,この問題に対処するためのフレームワークを提案する。
それは、人間の理解可能な自然言語の説明を生成するために、相互の機能相互作用データに富んだ構造化されたプロンプトを使用する。
論文 参考訳（メタデータ） (2026-06-09T14:48:26Z) - TCEval: Using Thermal Comfort to Assess Cognitive and Perceptual Abilities of AI [0.5366500153474746]
熱的快適さは、AIシステムの現実の認知能力を評価するための理想的なパラダイムである。
我々は、AIの3つのコア認知能力を評価する最初の評価フレームワークであるTCEvalを提案する。
論文 参考訳（メタデータ） (2025-12-29T05:41:25Z) - Agentic Explainable Artificial Intelligence (Agentic XAI) Approach To Explore Better Explanation [7.268064183717186]
本研究では,SHAPをベースとした説明可能性とマルチモーダルLCMによる反復的改善を併用したエージェントXAIフレームワークを提案する。
わが国26田の米収量データを用いて,この枠組みを農業推薦システムとして検証した。
論文 参考訳（メタデータ） (2025-12-24T09:19:15Z) - SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。
実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。
回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
論文 参考訳（メタデータ） (2025-11-29T09:18:39Z) - LLM-based Agents for Automated Confounder Discovery and Subgroup Analysis in Causal Inference [1.1538255621565348]
本稿では,共同創設者の自動発見とサブグループ分析のための大規模言語モデルに基づくエージェントを提案する。
本フレームワークは,サブグループ識別と構造発見を体系的に行う。
以上の結果から,LSMをベースとしたエージェントは,スケーラブルで信頼性が高く,セマンティックに認識された因果推論へ有望な道をたどることが示唆された。
論文 参考訳（メタデータ） (2025-08-10T07:45:49Z) - Advances in LLMs with Focus on Reasoning, Adaptability, Efficiency and Ethics [0.46174569259495524]
本稿では,Large Language Models(LLMs)の分野における重要な展開について概説する。
人間と機械のコミュニケーションのギャップを埋めるのに最も効果的なテクニックには、Chain-of-Thought prompting、Instruction Tuning、Reinforcement Learning from Human Feedbackなどがある。
効率性、スケーリング戦略、最適化テクニック、および影響力のあるMixture-of-Experts(MoE)アーキテクチャについて、重要な焦点が当てられている。
論文 参考訳（メタデータ） (2025-06-14T05:55:19Z) - Enhancing CTR Prediction with De-correlated Expert Networks [45.50697497028273]
本稿では,専門的相関を最小化するクロスエキスパートデコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレー
我々はD-MoEがMulti-Embedding MoEベースラインと比較して1.19%のGross Merchandise Volume (GMV)リフトを達成することを示す。
論文 参考訳（メタデータ） (2025-05-23T14:04:38Z) - GIVE: Structured Reasoning of Large Language Models with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを融合して、最小の外部入力で正確な推論を改善する新しい推論手法である。
GIVE は LLM エージェントをガイドして,最も関連する専門家データ (observe) を選択し,クエリ固有の発散思考 (reflect) に従事し,その情報を合成して最終的な出力 (speak) を生成する。
論文 参考訳（メタデータ） (2024-10-11T03:05:06Z) - FactorLLM: Factorizing Knowledge via Mixture of Experts for Large Language Models [50.331708897857574]
本稿では,高度に訓練された高密度FFNを余分なサブネットワークに分解する新しいアプローチであるFacterLLMを紹介する。
FactorLLMは、最大85%のモデル性能を確保しながら、推論速度を30%以上増加させながら、ソースモデルに匹敵するパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-08-15T16:45:16Z) - From Quantity to Quality: Boosting LLM Performance with Self-Guided Data Selection for Instruction Tuning [52.257422715393574]
本稿では,Large Language Models (LLMs) の自己誘導手法を導入し,オープンソースデータセットからサクラサンプルを自動識別し,選択する。
我々の重要な革新である命令追従困難度(IFD)メトリックは、モデルが期待する応答と本質的な生成能力の相違を識別するための重要な指標として現れます。
論文 参考訳（メタデータ） (2023-08-23T09:45:29Z)
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。