تتميز [روبوتات الدردشة](/tag/[روبوتات](/tag/روبوتات)-[الدردشة](/tag/الدردشة)) المدعومة بنماذج [اللغات](/tag/اللغات) الكبيرة ([LLM](/tag/llm)) بقدرتها على توفير [تجارب](/tag/تجارب) [تفاعلية](/tag/تفاعلية) مثيرة، ولكن تكامل [آليات](/tag/آليات) [مزادات](/tag/مزادات) [الإعلانات](/tag/الإعلانات) معها يمثل تحديًا فنيًا فريدًا. وفي ظل الحاجة المتزايدة لتوليد [إعلانات](/tag/إعلانات) مرنة وفعالة، نجد أن [الدراسة](/tag/الدراسة) الجديدة التي أعدها كل من Feizi وHajiaghayi تسلط الضوء على [نموذج](/tag/نموذج) "استرجاع ثم [توليد](/tag/توليد)" الذي يهدف إلى فصل عملية الاسترجاع عن [التوليد](/tag/التوليد).

تتطرق [الدراسة](/tag/الدراسة) إلى ضرورة [تحسين](/tag/تحسين) عملية إدراج [الإعلانات](/tag/الإعلانات) وتحديد المدفوعات، حيث تُظهر [الأبحاث](/tag/الأبحاث) أن الاعتماد الحالي على تشابه التضمين النصي وحده قد يؤدي إلى [تفسيرات](/tag/تفسيرات) تجارية غير صحيحة ومشكلات تكرارية.

ولمعالجة هذه التحديات، يقترح الباحثون إطار [عمل](/tag/عمل) LERA الذي يتكون من مرحلتين: في المرحلة الأولى يتم اختيار مجموعة صغيرة من المعلنين المرشحين باستخدام [تصفية](/tag/تصفية) متوسطة قائمة على التضمين. ثم في المرحلة الثانية، يتم [استجواب](/tag/استجواب) النموذج اللغوي الكبير ([LLM](/tag/llm)) نفسه بواسطة حوافز مصممة بدقة لتوليد نقاط صلة عضوية محسّنة.

عند دمج هذه النقاط مع العطاءات الخاصة بالمعلنين، يتم تطبيق قاعدة [مدفوعات](/tag/مدفوعات) ذات [قيمة](/tag/قيمة) حرجة تضمن الصدق للمعلنين الذين يسعون لتحقيق أقصى قدر من المنفعة. ويتميز الإطار بتوافقه الطبيعي مع عمليات إدخال متعددة للإعلانات داخل الحوارات الديناميكية واستجابات طويلة.

أثبتت [التجارب](/tag/التجارب) على معيار إعلان صناعي أن LERA أظهرت تحسينًا كبيرًا في [دقة](/tag/دقة) اختيار [الإعلانات](/tag/الإعلانات) وتنوع الإدخالات، مع [تحكم](/tag/تحكم) بسيط في التأخير الزمني. في عالم تسود فيه التفاعلية والذكاء الاصطناعي، يبدو أن LERA تمهد الطريق لفتح آفاق جديدة في [إعلانات](/tag/إعلانات) [روبوتات الدردشة](/tag/[روبوتات](/tag/روبوتات)-[الدردشة](/tag/الدردشة)). ما رأيكم في هذا التطور؟ شاركونا في [التعليقات](/tag/التعليقات).