本文提出 PlatformBid 基准并用 Flow Matching 方法 BidFlow，突破单广告主最优的局限，实现平台级收益与广告主公平性的共同提升。
📝 详细摘要
文章围绕计算广告的实时竞价（RTB）展开，指出传统研究仅关注 DSP 视角的单广告主优化，忽视平台整体效益。为此，快手联合高校提出 PlatformBid——首个从统一广告平台视角设计的自动竞价基准，并在此基础上研发基于 Flow Matching 的 BidFlow 方法。PlatformBid 包含同质、异质、促销三大评估设置，使用平台级与广告主级双维度指标（Conversion、Budget Utilization、CPA Ratio 等）进行全面评估。实验在 AuctionNet 与 iPinYou 数据集上均显示 BidFlow 在 Score、CPA 超限率等指标上显著领先基线方法，线上部署后实现 0.68% 预期消耗提升，验证了离线‑在线一致性。文章还阐释了竞争‑合作的洞察，即低 CPA 方差对应平台合作型策略，提供了广告平台算法设计的新思路。
💡 主要观点
- 平台视角的自动竞价基准首次提出。 PlatformBid 将平台整体收入、广告主公平性等约束引入评估，填补了传统 DSP‑中心基准无法衡量多广告主协同效果的空白。
💬 文章金句
- 单个广告主最优，不等于广告平台最优。
- BidFlow 以 348.04 的 Score 显著领先所有基线方法。
- 平台全局共赢是自动竞价算法新的评估目标。
📊 文章信息
AI 初评：89
来源：快手技术
作者：快手技术
分类：人工智能
语言：中文
阅读时间：21 分钟
字数：5135
标签： AI 编程, 强化学习, 生成式 AI, 广告算法, 竞价系统