基于双过程控制的知识信息化出价
人工智能
2026-03-06 v1
摘要
在线广告出价优化依赖于黑箱机器学习模型，这些模型从历史数据中学习出价决策。然而，这些方法无法复制人类专家在数据稀缺情况下的自适应、经验驱动和全局一致的决策。具体而言，它们在缺乏结构化知识的情况下在稀疏数据情形下推广性差，做出忽略长期相互依赖的短视顺序决策，以及在数据分布外的情况下难以适应，而人类专家则能成功应对。为此，我们提出 KBD（Knowledge-informed Bidding with Dual-process control），一种新的出价优化方法。KBD 通过受信息化范例嵌入人类专家知识，使用 Decision Transformer（DT）全局优化多步骤出价序列，并通过结合快速的基于规则的 PID 控制（System 1）和 DT（System 2）来实现双过程控制。广泛的实验突出了 KBD 相对于现有方法的优势，凸显了以人类专家知识和双过程控制为基础的出价优化的好处。
引用
@article{arxiv.2603.04920,
title = {Knowledge-informed Bidding with Dual-process Control for Online Advertising},
author = {Huixiang Luo and Longyu Gao and Yaqi Liu and Qianqian Chen and Pingchun Huang and Tianning Li},
journal= {arXiv preprint arXiv:2603.04920},
year = {2026}
}