NaiAD：发起面向 LLM 广告的数据驱动研究
机器学习
2026-05-12 v1 人工智能
计算机与社会
摘要
在 LLM 广告中调和平台收入与用户体验，促使了以数据为中心的基础设施建设。我们引入了 NaiAD，这是首个面向 LLM 原生广告的综合数据集，包含 58,999 个精心构建的、与用户查询配对的广告嵌入回复。NaiAD 围绕具有理论依据的评估指标构建，分别且全面地捕捉了用户效用与商业效用。为了缓解对齐后 LLM 的维度共线性，我们提出了一种解耦生成流水线，可生成结构多样的样本，范围从显式解耦利益相关者效用的回复，到在各维度上表现一致强或弱的回复。我们进一步提供了由方差校准预测驱动推断 (VC-PPI) 框架校准的分数标签，将自动评分与人类标注对齐。机制分析表明，成功的广告整合依赖于聚类为四种不同语义策略的推理路径。利用 NaiAD 的模型能够内化这些策略，从而同时提升用户效用与商业效用，并可通过上下文学习对这些不同目标实现独立控制。这些结果共同确立了 NaiAD 作为开发未来 LLM 原生广告系统的基础设施地位。
引用
@article{arxiv.2605.09918,
title = {NaiAD: Initiate Data-Driven Research for LLM Advertising},
author = {Yihang Zhang and Zimeng Huang and Ren Zhai and Yipeng Kang and Tonghan Wang},
journal= {arXiv preprint arXiv:2605.09918},
year = {2026}
}
备注
37 pages, 11 figures