论文提出同时控制 LLM 广告强度并标注广告片段的框架。
资讯摘要
论文提出 AdKnob 框架，同时解决 LLM 原生广告的两个问题：广告强度控制与广告标注。作者用无预训练语义关联的广告控制 token，并通过直接偏好优化对齐模型，使其按目标强度生成广告；标注方面提出基于注意力 rollout 的归因机制，追踪广告相关输入 token 来识别广告片段，无需额外推理成本。作者还构建了 MI-KnobSet 多级广告强度偏好数据集，并在六个 LLM 上实验。
要点速读
- 论文提出 AdKnob，用广告控制 token 加直接偏好优化实现多级广告强度控制。
- 广告标注采用注意力 rollout 归因机制，作者称无需额外推理成本。
- 作者构建 MI-KnobSet 数据集，并在六个 LLM 上实验；作者报告其标注准确率最高、比最强基线快 500 倍以上，人类评估偏好率最高 89.6%。
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 2026/11/4 08:00:28（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。