阿里妈妈:2024阿里妈妈技术年刊(304页).pdf

上传人: 三*** 编号:599081 2025-01-26 304页 49.29MB

下载:
word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。

相关图表

本文主要介绍了阿里妈妈在广告自动出价、召回/预估模型、强化学习、多模态信息处理等方面的技术实践与创新。 1. 自动出价方面,阿里妈妈提出了AIGB(AI-Generated Bidding)模型,通过生成式模型捕捉历史投放轨迹数据中的相关性,生成符合优化目标的出价策略,并在实际广告平台中取得了显著效果。 2. 在召回/预估模型方面,阿里妈妈提出了基于原生图文信息的多模态预估模型,通过对比学习获得蕴含电商业务语义的多模态表征,并设计了SimTier和MAKE算法,有效提升了预估模型的性能。 3. 在强化学习方面,阿里妈妈从跟随到引领,不断探索新的算法,如Offline RL-based Bidding、Online RL-based Bidding等,以解决自动出价场景中的序列决策问题。 4. 在多模态信息处理方面,阿里妈妈提出了混合模态专家模型,通过特征融合和输出融合的方式,将离散ID模态和图文内容模态进行有效融合,提升了用户兴趣建模的能力。 5. 在优势特征蒸馏方面,阿里妈妈提出了CLID(Calibration-compatible Listwise Distillation of Privileged Features)方法,通过设计准度兼容的listwise蒸馏损失,在提升模型排序能力的同时保持模型的准度。 综上,阿里妈妈在广告智能决策领域进行了大量创新实践,取得了显著的业务效果,为业界提供了有价值的参考。
阿里妈妈技术如何利用生成式模型优化广告自动出价? 展示广告多模态召回模型如何提升用户兴趣建模能力? 优势特征蒸馏如何同时提升预估模型的准度和排序能力?
客服
商务合作
小程序
服务号