论文提出将拍卖与生成整合的 LLM-Auction 生成式拍卖机制。
资讯摘要
论文提出 LLM-Auction，一种将拍卖与生成整合的学习型生成式拍卖机制，用于 LLM 原生广告场景。作者将分配建模为 LLM 输出与兼顾广告主价值和用户体验的机制目标之间的偏好对齐，使模型内在地建模分配外部性，无需额外推理成本。论文分析了最优分配规则的单调性与连续性，并证明简单第一价格支付规则在该分配下具有激励性质；作者还构建 LLM-as-a-judge 仿真环境，实验显示其在分配效率上达到最优，并近似满足关键机制性质。
要点速读
- 论文指出经典拍卖机制不适用于拍卖对象从离散广告位变为 LLM 输出分布的场景，现有方法因忽略外部性或推理成本高而难以落地。
- LLM-Auction 将分配表述为 LLM 输出与机制目标的偏好对齐，使模型内在地建模分配外部性，且不增加额外推理成本。
- 作者构建 LLM-as-a-judge 仿真环境进行定量评估，实验报告其分配效率达到最优，并近似满足关键机制性质。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。