EVENT DOSSIER
研究人员提出一种名为 Latent Advertiser Mixture Auction (LAMA) 的 Token-Level Advertising 机制，旨在将广告商的影响力直接嵌入内容生成的过程中。该机制要求广告商报告局部延续值以诱导特定的下一词策略，而平台则通过潜在混合解码并更新分配后验概率。研究证明 LAMA 满足 Markov DSIC 和 IR 条件，能够实现近最优的 KL-正则化福利。此外，团队还开发了一种基于学习的实现方案，利用学习到的局部优势与根值在线重构所需的报告数据。在针对真实商业搜索查询分割的概念验证实验中，结果显示 LAMA 不仅提升了平台的整体福利与收入，同时也保持了用户响应质量。
提出一种名为 Latent Advertiser Mixture Auction (LAMA) 的 Token-Level Advertising 机制，将广告商影响力直接嵌入生成过程。该机制要求广告商报告局部延续值以诱导特定下一词策略，平台通过潜在混合解码并更新分配后验。研究证明 LAMA 满足 Markov DSIC 和 IR 条件，实现近最优 KL-正则化福利。此外开发了基于学习的实现方案，利用学习到的局部优势与根值在线重构所需报告。在真实商业搜索查询分割上的概念验证实验表明，LAMA 提升了平台福利与收入，同时保持用户响应质量。