VAO：面向跨任务生成式自动投标的验证对齐优化
机器学习
2026-02-10 v3 人工智能
摘要
生成式自动投标在在线广告中展现出强大的性能，但在广告主参与度有限的小规模场景下常常 suffers from 数据稀缺。虽然跨任务数据共享是缓解此问题的自然方法，但 naïve 方法常因不同任务之间分布迁移引入梯度偏差，且现有方法难以直接应用于生成式自动投标。本文提出验证对齐优化（VAO），一种原则化的数据共享方法，通过验证性能反馈自适应重加权跨任务数据贡献。值得注意的是，VAO 将训练动力学对齐，以优先更新那些能提升目标任务泛化能力的更新，从而有效利用辅助数据并缓解梯度偏差。基于VAO，我们引入一个统一的生成式自动投标框架，该框架使用单个模型和所有可用任务数据实现跨多个任务的泛化。广泛的实验在标准自动投标基准上验证了我们方法的有效性。
引用
@article{arxiv.2510.07760,
title = {VAO: Validation-Aligned Optimization for Cross-Task Generative Auto-Bidding},
author = {Yiqin Lv and Zhiyu Mou and Miao Xu and Jinghao Chen and Qi Wang and Yixiu Mao and Yun Qu and Rongquan Bai and Chuan Yu and Jian Xu and Bo Zheng and Xiangyang Ji},
journal= {arXiv preprint arXiv:2510.07760},
year = {2026}
}