文章摘要
【关 键 词】 自动出价、AIGB模型、开源Benchmark、广告优化、决策智能
在NeurIPS 2024会议上，一场特别的Workshop吸引了广泛关注，这场由中国公司提出的“Auto-Bidding in Large-Scale Auctions”（大规模拍卖中的自动出价）Workshop，由阿里妈妈主办，围绕AIGB（AI-Generated Bidding）Bidding模型训练新范式展开。AIGB是阿里妈妈于去年4月首次提出的，将自动出价建模为生成式序列决策问题，这一创新在阿里妈妈的业务场景中取得了显著效果。
阿里妈妈在Workshop上宣布开源了世界首个包含大规模模拟竞价系统和博弈数据集的Benchmark——AuctionNet，旨在促进自动出价决策算法研究，并适用于大型博弈的广泛决策智能领域。AuctionNet的开源不仅适用于广告竞拍，还适用于游戏、自动驾驶等多个领域，推动学术研究和技术创新。
AIGB技术被视为广告投放与出价优化领域的核心驱动力，与传统的强化学习方法相比，AIGB通过生成模型直接捕捉历史Bidding数据集中的优化目标和出价策略之间的相关性，优化策略，避免了价值函数预估和自举法所导致的误差，尤其擅长处理长序列稀疏回报问题。
在NeurIPS 2024上，阿里妈妈组织的Workshop邀请了学界和工业界嘉宾分享决策智能领域的前沿技术，讨论AIGB技术及其在各行业的应用价值和未来潜力。全球1500多支队伍参与了“大规模拍卖中的自动出价”赛题角逐，其中两个团队在AIGB赛道上获奖。
阿里妈妈的开源Benchmark AuctionNet，包含48个不同Agent互相竞价的轨迹，超过5亿条记录，占用80GB存储空间，已被NeurIPS 2024收录为Spotlight论文。这一开源举措被视为搭建多方共赢桥梁的重要一步，有助于推动在线广告领域的发展，解决自动出价领域的挑战性科研问题，促进技术领域的持续发展。
原文和模型
【原文链接】 阅读原文 [ 3708字 | 15分钟 ]
【原文作者】 量子位
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
