Autobidding Arena：经典与 RL 自竞价算法的统一评估
计算机科学与博弈论
2025-10-23 v1 机器学习
摘要
广告拍卖在电子商务公司的收入生成中起着关键作用。为使竞价程序 scalable 到数千个拍卖，自动竞价（autobidding）算法正在工业界积极开发。因此，对 autobidding 算法进行公平且可重复的评估是一个重要问题。我们提出一种标准化且透明的评估协议，用于比较经典和强化学习（RL）自竞价算法。我们考虑来自不同类的最高效 autobidding 算法，例如基于控制器、RL、最优公式等，并在竞价环境中对其进行基准测试。我们利用工业界最新开发的开源环境，该环境准确模拟了竞价过程。我们的工作展示了所考虑 autobidding 算法的最有前景的用例，揭示了其意想不到的缺陷，并根据多个指标对其进行评估。我们选择评估 autobidding 算法性能、相应成本和预算控制的评估指标。这种指标选择使我们的结果适用于 autobidding 有效的广泛平台。所提比较结果帮助实践者从不同角度评估候选 autobidding 算法，并选择符合其公司目标的高效算法。
引用
@article{arxiv.2510.19357,
title = {Autobidding Arena: unified evaluation of the classical and RL-based autobidding algorithms},
author = {Andrey Pudovikov and Alexandra Khirianova and Ekaterina Solodneva and Aleksandr Katrutsa and Egor Samosvat and Yuriy Dorn},
journal= {arXiv preprint arXiv:2510.19357},
year = {2025}
}