論文の概要: AdSteer: Native Advertising in Large Language Model Generation

• arxiv url: http://arxiv.org/abs/2611.04147v1
• Date: Tue, 03 Nov 2026 01:40:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:33:17.318954
• Title: AdSteer: Native Advertising in Large Language Model Generation
• Title（参考訳）: AdSteer: 大規模言語モデル生成におけるネイティブ広告
• Abstract要約: AdSteerは、文脈的に適切な広告をレスポンスに統合する確率を適応的にトークンする軽量なデコーディング時広告フレームワークである。 我々は,AdSteerが最強のベースラインよりも平均14.1%向上し,平均22.5%のトークンが書き直し方式よりも少ないことを示す。
• 参考スコア（独自算出の注目度）: 33.52098005628292
• License:
• Abstract: Large language model (LLM) services face rapidly rising serving costs. To sustain free or affordable access for a broad user base, alternative monetization mechanisms are needed. Native advertising offers a promising approach, as it creates economic value by aligning user intent with merchant offerings. Yet how to integrate sponsored content naturally into LLM responses remains largely underexplored. Existing approaches primarily rely on prompt-level injection, multi-pass rewriting, or fine-tuning, which can compromise response quality or introduce additional computational costs. We propose AdSteer, a lightweight decoding-time advertising framework that adaptively adjusts token probabilities to integrate contextually appropriate advertisement into responses. AdSteer calibrates the strength and duration of advertising influence, making sponsored content a natural part of the response. Experiments on GEM-Bench across three application scenarios show that AdSteer achieves an average improvement of 14.1% in overall score over the strongest baselines and 22.5% fewer total tokens on average than rewrite-based methods. These results demonstrate that AdSteer provides an effective and practical solution for native advertising in LLMs.
• Abstract（参考訳）: 大規模言語モデル(LLM)サービスは、サービス提供コストの急増に直面している。 幅広いユーザーベースに対する無料または安価なアクセスを維持するためには、代替の収益化メカニズムが必要である。 ネイティブ広告は、消費者の意図と商人のオファリングを合わせることによって経済的価値を生み出す、有望なアプローチを提供する。 しかし、スポンサー付きコンテンツをLLM応答に自然に組み込む方法は、まだほとんど探索されていない。 既存のアプローチは主に、応答品質を損なったり、追加の計算コストを導入することができる、プロンプトレベルのインジェクション、マルチパス書き換え、微調整に依存している。 本稿では,トークン確率を適応的に調整し,文脈的に適切な広告を応答に統合する軽量デコーディング時広告フレームワークであるAdSteerを提案する。 AdSteerは広告効果の強さと持続性を調整し、スポンサードコンテンツが反応の自然な一部となる。 3つのアプリケーションシナリオにわたるGEM-Benchの実験では、AdSteerは最強のベースラインよりも14.1%、合計トークン数は22.5%減った。 これらの結果から,AdSteer は LLM のネイティブ広告に有効かつ実用的なソリューションであることが示された。

関連論文リスト

• AdKnob: Ad Intensity Control and Labeling for LLM-Native Advertising [26.04807500052047]
  AdKnobは、広告インテンシティと広告ラベリングの課題に共同で対処するフレームワークである。 LLMネイティブ広告のための最初のマルチレベル広告インテンシティ嗜好データセットであるMI-KnobSetを構築した。 実験により、AdKnobは、基準線が狭い範囲に崩壊する一様間隔の広告強度を達成し、最強の基準線よりも500倍以上高速で高い広告ラベル精度を達成し、最大89.6%の時間で基準線よりも好まれることが示された。
  論文  参考訳（メタデータ） (2026-10-31T11:07:27Z)
• Monetizing Intelligence: Advertising and Subscription Design on LLM Platforms [0.9558392439655014]
  大規模言語モデル(LLM)プラットフォームは、広告収入がどれだけの資金を提供するべきか、消費者が広告を避けるために支払うべき金額を決定する必要がある。 広告がユーザ価値を低下させるが、より良いサービスが広告リターンを高める際に、費用対効果品質、広告強度、サブスクリプション価格を共同で選択する独占的プラットフォームについて検討する。
  論文  参考訳（メタデータ） (2026-10-23T17:39:42Z)
• Token-Level Advertising [14.308530906021012]
  トークンレベルの広告機構としてLatent Advertiser Mixture Auction (LAMA)を提案する。 LAMAは、広告主の影響を直接生成プロセスに埋め込む。 LAMA は Markov DSIC と IR を満足し, ほぼ最適 KL 正規化福祉を実現している。
  論文  参考訳（メタデータ） (2026-08-27T17:18:27Z)
• Don't Start Over: A Cost-Effective Framework for Migrating Personalized Prompts Between LLMs [51.79252689855809]
  LLM(Large Language Models)におけるパーソナライゼーションは、しばしばユーザ固有のソフトプロンプトに依存する。 非互換モデル間でパーソナライズされたプロンプトを効率的に移行するフレームワークであるPrompt-level User Migration Adapter (PUMA)を提案する。 3つの大規模データセットの実験では、我々の手法が一致しているか、あるいはスクラッチから再トレーニングのパフォーマンスを上回り、計算コストを最大98%削減する。
  論文  参考訳（メタデータ） (2026-01-17T12:30:31Z)
• 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)
• Nash Equilibrium Constrained Auto-bidding With Bi-level Reinforcement Learning [64.2367385090879]
  本稿では,プラットフォームの観点から,自動入札問題の新たな定式化を提案する。 これは、$epsilon$-NE制約の下ですべての広告主の社会的福祉を最大化することを目的としている。 NCB問題は、その制約された二段階構造と、典型的には多くの広告主が関与しているため、重大な課題を提起している。
  論文  参考訳（メタデータ） (2025-03-13T12:25:36Z)
• Truthful Aggregation of LLMs with an Application to Online Advertising [11.552000005640203]
  広告主にとって真の報告が支配的な戦略であることを確実にするオークション機構であるMOSAICを導入する。 我々はMOSAICが計算オーバーヘッドの少ない広告価値とプラットフォーム収益をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-05-09T17:01:31Z)
• 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。