arXiv · NLP· Yan Fang, Jialin Chen, Chun Gan, Hang Yu, Mingjun Nie, Yeyu Zhang, Fengxiang He, Ching Law·· 2026-10-14AI 评分34
LLM-OSDA:面向多轮 LLM 对话原生广告的动态最优停止拍卖机制
LLM-OSDA: An Optimal-Stopping Dynamic Auction for Native Advertising in Multi-Turn LLM Conversations
AI 导读
研究提出 LLM-OSDA 机制,将 Bellman 最优停止、胜者分配与包络定价结合,用于多轮对话中的原生广告。在模拟语料实验中,该机制相比最强固定时机基线提升净收益 11%,且用户留存率保持相当。 机制通过独立的 LLM 层评估上下文点击质量并渲染广告,出价仅进入承诺拍卖机制;学习 StopNet 近似 Bellman 动作值,其激励损失与近似误差相关。
来源:arXiv · NLP · arxiv.org