LADDER：面向大规模实时在线拍卖的人类级出价智能体
机器学习
2017-09-04 v2 人工智能
计算与语言
计算机科学与博弈论
摘要
我们提出了 LADDER，这是第一个能够直接从由高层语义信息组成的原始输入中成功学习大规模现实世界问题控制策略的深度强化学习智能体。该智能体基于一种名为 DASQN 的异步随机 DQN (Deep Q Network) 变体。智能体的输入是对不完全信息博弈状态（即实时大规模在线拍卖）的纯文本描述，奖励则是超大规模的拍卖利润。我们将该智能体应用于京东在线实时竞价 (RTB) 广告业务的一个核心部分，发现它轻松击败了此前由人类专家精心设计和校准的最先进出价策略：在京东 618 周年庆大促期间，该智能体使公司该部分的广告收入提升了超过 50%，同时广告主的投资回报率 (ROI) 也显著提高。
引用
@article{arxiv.1708.05565,
title = {LADDER: A Human-Level Bidding Agent for Large-Scale Real-Time Online Auctions},
author = {Yu Wang and Jiayi Liu and Yuxiang Liu and Jun Hao and Yang He and Jinghe Hu and Weipeng P. Yan and Mantian Li},
journal= {arXiv preprint arXiv:1708.05565},
year = {2017}
}
备注
8 pages, 12 figures