基于生成式的实时竞价广告中的出价阴影
计算机科学与博弈论
2026-04-30 v3 机器学习
摘要
出价阴影在实时竞价 (RTB) 中扮演着重要角色，通过自适应调整出价来避免广告商过度支出。现有主流的两阶段方法首先建模出价景观，然后使用运筹学技术优化剩余价值，这些方法受制于单峰假设，无法适应非凸剩余价值曲线，且易受到顺序工作流程中级联错误的影响。此外，现有的连续值离散化模型忽略了离散区间之间的依赖关系，降低了模型的纠错能力，而在竞价场景中存在的样本选择偏差为预测带来了进一步的挑战。为此，本文引入了生成式出价阴影 (GBS)，其包含两个主要组件：1) 利用自回归方法通过分步残差生成阴影比率的端到端生成模型，捕捉复杂价值依赖关系而无需依赖预定义的先验；以及2) 奖励偏好对齐系统，该系统将通道感知的层次化动态网络 (CHNet) 作为奖励模型，以提取细粒度特征，以及用于剩余价值优化和探索实用程序奖励对齐的模块，最终使用基于组相对策略优化 (GRPO) 优化短期和长期剩余价值。广泛的离线和在线 A/B 测试验证了 GBS 的有效性。此外，GBS 已部署在美团 DSP 平台上，每日服务数十亿次出价请求。
引用
@article{arxiv.2508.06550,
title = {Generative Bid Shading in Real-Time Bidding Advertising},
author = {Yinqiu Huang and Hao Ma and Wenshuai Chen and Zongwei Wang and Shuli Wang and Yongqiang Zhang and Xue Wei and Yinhua Zhu and Haitao Wang and Xingxing Wang},
journal= {arXiv preprint arXiv:2508.06550},
year = {2026}
}
备注
SIGIR 2026