语言表示在自动投标中的作用：发现与启示
人工智能
2026-05-08 v1
摘要
自动投标是实时广告市场中的关键任务，需要在交付约束（如预算和CPA）下优化长期价值。现有方法依赖紧凑的数值状态表示：虽然能隐式捕捉交付动力学，但对显式表示和控制高层意图、演化反馈以及运营商式战略指导支持有限。与此同时，大语言模型（LLM）提供了一种强大的语义编码方法，但何时有助于提升，以及如何在不牺牲数值精度的前提下进行集成，仍不为人知。通过系统的初步研究，我们发现：（1）LLM嵌入包含投标相关线索，但无法取代数值特征；（2）只有在谨慎的语义-数值集成（而非简单拼接）时，才能实现收益。基于这些发现，我们提出了SemBid框架，这一新的自动投标方法在token级别注入LLM编码的语义。SemBid引入三个语义输入：Task、History和Strategy。它将这些语义作为token注入到数值轨迹token之中，并使用自注意力机制进行集成，提高了可控性和跨目标的泛化能力。在多种场景和预算 regime下，SemBid超越了来自离线强化学习和生成序列建模的竞争性基线，在整体性能、约束满足和鲁棒性方面表现出更一致的优势。我们的代码可在此处获取。
引用
@article{arxiv.2605.05833,
title = {On the Role of Language Representations in Auto-Bidding: Findings and Implications},
author = {Guanyu Zhu and Jining Luan and Hanwen Du and Xinyu Fang and Sibo Xu and Ersheng Ni and Hongji Li and Jincheng Fang and Ronghao Chen and Huacan Wang and Xuanqi Lan and Yongxin Ni and Yiqi Sun and Youhua Li},
journal= {arXiv preprint arXiv:2605.05833},
year = {2026}
}
备注
19 page