PulseAugur
中
实时 05:27:57
English(EN) Strategy-Aware Parameter-Efficient Adaptation for LLM-based Auto-Bidding

新的LLM框架SAGE通过参数效率优化广告自动竞价

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SAGE，一个用于广告拍卖中基于LLM的自动竞价的新框架。SAGE利用参数高效的多模态对齐方法来适应受约束竞价环境中的LLM。关键组件包括时序语义位置嵌入、用于模态融合的门控交叉注意力以及激活特定LLM专家的约束门控LoRA模块。实验表明，SAGE在实现卓越性能的同时，所需的参数不到完全微调的10%。 AI

影响 该框架通过降低计算成本，能够更有效、更高效地在广告技术中使用LLM。

排序理由 该条目是一篇研究论文，详细介绍了基于LLM的自动竞价的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

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

新的LLM框架SAGE通过参数效率优化广告自动竞价

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Bo Zheng ·

    面向LLM的策略感知参数高效自适应自动竞价

    Advertising bidding has evolved from manual strategies to auto-bidding systems better adapted for large-scale, dynamic auction environments. While recent advances in Large Language Models (LLMs) offer strong reasoning for auto-bidding, existing methods suffer from shallow traject…

相关实体

相关话题