論文の概要: MAPS: A Multi-Agent Personalized Script-Driven Video Advertising System Enhanced by Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2610.25748v1
• Date: Mon, 19 Oct 2026 04:00:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:14:51.63843
• Title: MAPS: A Multi-Agent Personalized Script-Driven Video Advertising System Enhanced by Reinforcement Learning
• Title（参考訳）: MAPS:強化学習により強化された多言語パーソナライズされたスクリプト駆動ビデオ広告システム
• Abstract要約: マルチエージェントによるスクリプト駆動型ビデオ広告システム(MAPS)を提案する。 ユーザプロファイルモデリング、スクリプト生成、ビデオ合成、フィードバック駆動反復改善のクローズドループパイプラインを構成する4つの協調エージェントを設計する。 代表的データセットに対する大規模なオフライン実験は、我々のアプローチがパーソナライズされた創造物の生成と統合におけるパフォーマンス向上を実現していることを示している。
• 参考スコア（独自算出の注目度）: 3.5101518846150266
• License:
• Abstract: With the rapid growth of online video consumption, video advertising has become a dominant component of digital advertising. Most personalized video advertising systems follow a retrieval-based paradigm, which matches ad content with user preferences in a feature space and recommends the most similar candidates. However, since the candidate creatives are pre-produced, this paradigm limits the granularity of personalization and leads to performance disparities across diverse user groups. To address this limitation, we propose a multi-agent personalized script-driven video advertising system (MAPS). We design four collaborative agents that form a closed-loop pipeline of user profile modeling, script generation, video synthesis, and feedback-driven iterative refinement. To train the Scripter Agent, we develop a reinforcement learning framework equipped with a multi-dimensional reward function, which steers the agent toward producing scripts that simultaneously align with user content preferences and target product information. Extensive offline experiments on representative datasets demonstrate that our approach achieves encouraging performance in generating and integrating personalized creatives. Online A/B experiments in a specific scenario in the Kuaishou advertising system show that MAPS improves CTR by 2.87%, CVR by 2.74%, and ARPU by 9.85% over the generative baseline.
• Abstract（参考訳）: オンラインビデオの消費が急速に増加し、ビデオ広告はデジタル広告の主要な要素となっている。 ほとんどのパーソナライズされたビデオ広告システムは、検索ベースのパラダイムに従っており、広告コンテンツと機能領域におけるユーザの好みとをマッチングし、最も類似した候補を推薦する。 しかしながら、候補となるクリエイティブは事前に生産されているため、このパラダイムはパーソナライゼーションの粒度を制限し、多様なユーザグループ間でのパフォーマンス格差をもたらす。 この制限に対処するため,マルチエージェントによるスクリプト駆動型ビデオ広告システム(MAPS)を提案する。 ユーザプロファイルモデリング、スクリプト生成、ビデオ合成、フィードバック駆動反復改善のクローズドループパイプラインを構成する4つの協調エージェントを設計する。 スクリプトエージェントを学習するために,多次元報酬関数を備えた強化学習フレームワークを開発した。 代表的データセットに対する大規模なオフライン実験は、我々のアプローチがパーソナライズされた創造物の生成と統合におけるパフォーマンス向上を実現していることを示している。 クアイシュの広告システムの特定のシナリオにおけるオンラインA/B実験では、MAPSはCTRを2.87%改善し、CVRを2.74%改善し、ARPUを9.85%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)
• 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)
• NextAds: Towards Next-generation Personalized Video Advertising [46.666292153282875]
  NextAdsは次世代のパーソナライズされたビデオ広告のためのパラダイムだ。 私たちは、パーソナライズされたクリエイティブ生成とパーソナライズされたクリエイティブ統合という2つの代表的なタスクを定式化します。 我々は初期の探索実験を行い、GenAIがパーソナライズされたクリエイティブを創造し、統合し、パフォーマンスを奨励できることを実証した。
  論文  参考訳（メタデータ） (2026-03-02T17:58:07Z)
• A Versatile Multimodal Agent for Multimedia Content Generation [66.86040734610073]
  複雑なコンテンツ作成タスクの自動化を目的としたMultiMedia-Agentを提案する。 エージェントシステムには、データ生成パイプライン、コンテンツ作成のためのツールライブラリ、嗜好アライメントを評価するためのメトリクスセットが含まれている。
  論文  参考訳（メタデータ） (2026-01-06T18:49:47Z)
• SUMMA: A Multimodal Large Language Model for Advertisement Summarization [15.514886325064792]
  本研究では,ビデオ広告を商品価値の高いコンテンツを強調する要約に加工するモデルであるSUMMAを提案する。 SUMMAは2段階の訓練戦略-マルチモーダル指導型微調整と強化学習によって開発される。 オンライン実験は、統計的に広告収入が1.5%増加したことを示している。
  論文  参考訳（メタデータ） (2025-08-28T09:19:53Z)
• AniMaker: Multi-Agent Animated Storytelling with MCTS-Driven Clip Generation [50.63646953706144]
  AniMakerは、効率的なマルチ候補クリップ生成とストーリーテリング対応クリップ選択を可能にするフレームワークである。 AniMakerは、VBenchや提案したAniEvalフレームワークなど、一般的なメトリクスによって測定される、優れた品質を実現しています。
  論文  参考訳（メタデータ） (2025-06-12T10:06:21Z)
• 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)
• A Multimodal Framework for Video Ads Understanding [64.70769354696019]
  広告ビデオコンテンツの構造化分析能力を向上させるためのマルチモーダルシステムの開発を行う。 2021年のTAAC最終リーダーボードでは, 位置推定と予測精度を考慮した0.2470のスコアを得た。
  論文  参考訳（メタデータ） (2021-08-29T16:06:00Z)

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。