统一建模与探索的生成式自动出价

自动出价是现代数字广告的核心。早期基于规则的方法缺乏适应性，后续的强化学习方法将出价建模为马尔可夫决策过程，但在处理长期依赖方面困难。最近的生成模型显示出前景，然而它们缺乏显式的探索与安全性平衡机制，仅依赖动作扰动或轨迹引导，缺乏安全后备方案。这导致探索效率低下且给广告平台带来财务风险。为此，我们提出 GUIDE (Generative Auto-Bidding with Unified Modeling and Exploration)，一种集成有向探索与安全后备机制的框架。GUIDE 采用决策转换器 (Decision Transformer) 联合建模历史出价动作与环境状态转换。Q 值模块通过正则化约束引导 DT 的探索，逆向动力学模块 (IDM) 利用 DT 预测的未来状态推断出稳健且行为一致的动作作为安全策略后备。Q 值模块随后在这两个选项之间自适应选择最终动作，平衡探索与安全。这些组件共同构成一个集成的 "探索-护卫-选择" 流程，统一效率与安全性。我们在公开数据集、模拟拍卖环境中进行了大量实验，并在中国领先的广告平台淘宝进行了大规模在线部署。结果显示 GUIDE 在所有场景中均优于最先进的基线。在实际部署中，GUIDE 实现了显著的提升：+4.10% 广告 GMV，+1.40% 广告点击，+1.66% 广告费用，+3.52% 广告 ROI，充分展示了其有效性与强大的工业适用性。