RTBAgent：一个基于LLM的实时竞价智能体系统
人工智能
2025-02-04 v1
摘要
实时竞价（Real-Time Bidding, RTB）使广告主能够在瞬息万变的展示机会上即时进行竞争性出价，力求在高度竞争的环境中实现成本效益。尽管RTB已广泛受益于深度学习和强化学习等技术的应用，但由于在线与离线环境之间的差异以及在线竞价的快速波动，相关方法的可靠性常常面临挑战。为了应对这些挑战，我们提出了RTBAgent，这是首个基于大型语言模型（LLMs）的RTB智能体系统，它同步真实的竞争性广告竞价环境，并通过一个集成的决策过程获取出价。具体来说，RTBAgent通过LLMs获得推理能力，并进一步通过引入辅助模块（即点击率预估模型、专家策略知识和每日反思）使其更专业于RTB。此外，我们提出了一个两步决策过程和多记忆检索机制，使RTBAgent能够回顾历史决策和交易记录，从而做出更能适应实时竞价市场变化的决策。基于真实广告数据集的实证测试表明，RTBAgent显著提升了盈利能力。RTBAgent代码将公开于：https://github.com/CaiLeng/RTBAgent。
引用
@article{arxiv.2502.00792,
title = {RTBAgent: A LLM-based Agent System for Real-Time Bidding},
author = {Leng Cai and Junxuan He and Yikai Li and Junjie Liang and Yuanping Lin and Ziming Quan and Yawen Zeng and Jin Xu},
journal= {arXiv preprint arXiv:2502.00792},
year = {2025}
}
备注
Accepted by WWW 2025