C2: 具有约束感知损失的交叉学习模块增强决策Transformer用于自动出价
机器学习
2026-01-30 v2 计算机科学与博弈论
摘要
决策Transformer(Decision Transformer, DT)通过捕获时间依赖性在生成式自动出价中显示出潜力，但存在两个关键限制：状态、动作和待实现回报(RTG)序列之间的交叉相关性建模不足，以及对最优/次优行为的无差别学习。为了解决这些问题，我们提出了C2，一个新颖的框架，通过两个核心创新增强了DT：(1)一个通过交叉注意力实现的交叉学习块(Cross Learning Block, CLB)，以加强序列间相关性建模；(2)一个约束感知损失(Constraint-aware Loss, CL)，结合预算和单次获客成本(CPA)约束，用于选择性学习最优轨迹。在AuctionNet数据集上的广泛离线评估表明，在不同的预算设置下，性能持续提升(比最先进方法高达3.2%)；消融研究验证了CLB和CL的互补协同作用，证实了C2在自动出价中的优越性。复现我们结果的代码可在以下网址获取：https://github.com/Dingjinren/C2。
引用
@article{arxiv.2601.20257,
title = {C2:Cross learning module enhanced decision transformer with Constraint-aware loss for auto-bidding},
author = {Jinren Ding and Xuejian Xu and Shen Jiang and Zhitong Hao and Jinhui Yang and Peng Jiang},
journal= {arXiv preprint arXiv:2601.20257},
year = {2026}
}