LLM驱动的受限复制生成：通过迭代细化

构作营销信息（副本）是一项具有挑战性的生成任务，因为副本必须遵循各种约束。副本创建本质上是迭代式的，人类从初始草稿开始，然后进行一系列细化。然而，手动创建副本耗时且昂贵，导致每个用例只能生成少量副本。这种限制限制了我们将内容个性化针对客户的能力。与手动方法相反，LLM可以快速生成副本，但生成的内容在第一次尝试时不能始终满足所有约束（类似于人类）。虽然近期研究在通过迭代细化改进受限生成方面取得了进展，但主要针对的是仅包含少数简单约束的任务。因此，针对诸如副本生成此类涉及众多复杂约束的任务，迭代细化的有效性尚不明确。为填补这一差距，我们提出了一种基于LLM的端到端框架，用于通过迭代细化进行可扩展的副本生成。据我们所知，这是首个针对副本生成中同时处理多个棘手约束的研究。这些约束的示例包括长度、主题、关键词、首选词汇排序以及语气。我们通过为三个不同复杂度的电商横幅用例创建副本来展示该框架的性能。我们的结果显示，跨越用例，迭代细化将副本成功率提高$16.25-35.91$%。此外，使用我们方法生成的副本在多个基于多臂赌博机框架的试点研究中超过了手动创建的内容。获胜副本的点击-through率提高了$38.5-45.21$%。