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

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

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

عند دمج هذه النقاط مع العطاءات الخاصة بالمعلنين، يتم تطبيق قاعدة مدفوعات ذات 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 على معيار إعلان صناعي أن LERA أظهرت تحسينًا كبيرًا في دقة اختيار الإعلانات وتنوع الإدخالات، مع تحكم بسيط في التأخير الزمني. في عالم تسود فيه التفاعلية والذكاء الاصطناعي، يبدو أن LERA تمهد الطريق لفتح آفاق جديدة في إعلانات روبوتات الدردشة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.