AIGB：基于条件扩散建模的生成式自动投标
机器学习
2024-10-10 v4 人工智能
计算工程、金融与科学
摘要
自动投标是实现在线广告中自动为广告主提供出价的关键技术。强化学习(RL)因其在自动投标中的应用而受到关注。然而，大多数现有RL自动投标方法通过马尔可夫决策过程(MDP)进行建模，该假设限制了其在长期场景中的应用能力，并使模型在处理高度随机的在线广告环境时不稳定。为解决此问题，本文引入AI-Generated Bidding(AIGB)范式，通过生成式建模实现自动投标。具体提出DiffBid方法，采用条件扩散建模进行投标生成。DiffBid直接建模回报与整个轨迹之间的关联，有效避免了在长时间步长上的误差传播。此外，DiffBid提供了在满足特定约束条件下生成最大化给定目标轨迹的灵活方法。在真实数据集上的大量实验以及在阿里巴巴广告平台上的在线A/B测试结果表明，DiffBid显著有效，实现了GMV提升2.81%、ROI提升3.36%。
引用
@article{arxiv.2405.16141,
title = {AIGB: Generative Auto-bidding via Conditional Diffusion Modeling},
author = {Jiayan Guo and Yusen Huo and Zhilin Zhang and Tianyu Wang and Chuan Yu and Jian Xu and Yan Zhang and Bo Zheng},
journal= {arXiv preprint arXiv:2405.16141},
year = {2024}
}
备注
Accepted by KDD 2024