研究人员推出了CHO-Bench,这是一个旨在评估上下文提示在大型语言模型广告中有效性的新基准。这些提示由广告商提供,旨在通过描述产品、目标受众和最佳使用时间来提高广告排名。该研究使用了基于嵌入和基于大型语言模型的排名器,在五个数据集上进行了超过119万次评估。结果表明,上下文提示通常能提高广告排名,尽管最佳策略因具体的生成-排名配置和所使用的排名器类型而异。 AI
影响 为优化大型语言模型广告中的广告排名建立了一个基准,有可能提高广告相关性和广告商的有效性。
排序理由 该项目是一篇研究论文,详细介绍了一种用于大型语言模型广告的新基准和评估方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- ChatGPT Ads
- CHO-Bench
- Choi
- Context Hint Optimization
- embedding-based rankers
- Hugging Face
- LLM Advertising
- LLM-based rankers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →