新的AIGB-Pearl方法通过探索增强AI驱动的广告竞价

研究人员开发了AIGB-Pearl，一种用于增强广告AI生成竞价（AIGB）的新方法。该方法将生成式规划与策略优化相结合，解决了现有AIGB方法受限于静态数据集的性能限制。AIGB-Pearl利用轨迹评估器来衡量生成分数的质量，并采用KL-Lipschitz约束的分数最大化方案，以安全地探索离线数据之外的领域。在模拟和真实广告系统上的实验表明，AIGB-Pearl达到了最先进的性能。 AI

影响 通过实现超越静态数据集的探索来增强AI驱动的广告，有可能提高广告系列的效果。

排序理由 详细介绍AI生成竞价新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AIGB-Pearl
• AI-Generated Bidding
• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Yiqin Lv

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →