← أحدث الأبحاث
💬 NLP

Ad Insertion in LLM-Generated Responses

تقترح هذه الورقة إطار عمل مبتكر لتحقيق عوائد مادية مستدامة للنماذج اللغوية الكبيرة (LLM) عبر فصل إدراج الإعلانات عن عملية توليد الاستجابة، واستخدام نظام المزايدة القائم على النوع لضمان التماسك السياقي، والكفاءة الحسابية، والامتثال الأخلاقي في آن واحد، مع تحقيق ضمانات قوية قائمة على نظرية المزاد.

المؤلفون الأصليون: Shengwei Xu, Zhaohua Chen, Xiaotie Deng, Zhiyi Huang, Grant Schoenebeck

نُشر 2026-08-26
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Shengwei Xu, Zhaohua Chen, Xiaotie Deng, Zhiyi Huang, Grant Schoenebeck

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في العصر الرقمي، تحولت الطريقة التي نجد بها المعلومات من كتابة أسئلة قصيرة وثابتة في صندوق البحث إلى إجراء محادثات سلسة ومستمرة مع الذكاء الاصطناعي. لعقود من الزمن، اعتمد نموذج العمل وراء محركات البحث على مطابقة الإعلانات مع الكلمات المحددة التي يكتبها المستخدم. إذا كتبت "أحذية جري"، يظهر إعلان لأحذية رياضية؛ يعمل هذا النظام لأن نية المستخدم يتم التقاطها في تلك الكلمات المفتاحية الثابتة. ومع ذلك، فإن نماذج اللغة الحديثة لا تكتفي فقط بالإجابة على الأسئلة، بل تولد استجابات طويلة ومتط تطور تحاكي المحادثة البشرية. في محادثة حول التخطيط لرحلة إلى نيويورك، قد تتدفق المحادثة من مناقشة المتاحف إلى الفنادق، ثم إلى وسائل النقل، وأخيرًا إلى الميزانية. تتغير نية المستخدم مع كل جملة. وهذا يخلق تحديًا فريدًا: كيف تعرض إعلانًا ذا صلة لفندق دون أن يبدو في غير مكانه ضمن فقرة عن المتاحف، أو والأسوأ من ذلك، دون أن يكون الإعلان نفسه كذبة من نسج خيال الذكاء الاصطناعي في تلك اللحظة؟ علاوة على على ذلك، يجب أن يتم عرض هذه الإعلانات بشكل فوري، دون إبطاء المحادثة، ويجب أن تحترم خصوصية المستخدم من خلال عدم تعريض التفاصيل الشخصية الحساسة للمعلنين.

اقترح الباحثون إطار عمل جديدًا لحل هذا اللغز، يهدف إلى دمج الإعلانات في محادثات الذكاء الاصطناعي هذه بطريقة تبدو طبيعية، وتظل سريعة، وتحمي بيانات المستخدم. يتضمن جوهر حلهم فصلين رئيسيين. أولاً، يفصلون بين عملية كتابة المحادثة وعملية إدراج الإعلان. فبدلاً من محاولة الذكاء الاصطناعي كتابة إعلان داخل استجابته أثناء حديثه، يقوم النظام أولاً بتوليد إجابة نظيفة خالية من الإعلانات. وفقط بعد اكتمال الإجابة، يقرر نظام منفصل أين يضع الإعلانات المكتوبة مسبقًا. يضمن هذا أن يكون محتوى الإعلان قد تم تدقيقه مسبقًا لضمان الدقة ويمكن تمييزه بوضًا كرسالة ممولة، مما يمنع الذكاء الاصطناعي من اختلاق ادعاءات كاذبة عن منتج ما عن طريق الخطأ.

أما الفصل الثاني، وهو الأكثر ابتكارًا، فيحدث في كيفية مزايدة المعلنين على هذه المساحات. في البحث التقليدي، يزايد المعلنون على كلمات مفتاحية محددة. أما في الدردشة الديناميكية، فإن المزايدة على كل جملة أو لحظة ستكون مستحيلة حوسبيًا وكابوسًا للخصوصية، لأنها ستتطلب من المعلنين رؤية مطالبات المستخدم الخاصة. بدلاً من ذلك، قدم الباحثون مفهوم "الأنواع" (genres). هذه الأنواع هي فئات واسعة ومستقرة مثل "الفنادق" أو "شركات الطيران" أو "الإلكترونيات". يزايد المعلنون على هذه الأنواع مسبقًا، بدلاً من المزايدة على أسئلة مستخدمين محددة. وعندما يكون النظام جاهزًا لإدراج إعلان، فإنه ينظر إلى الجزء الحالي من المحادثة ويقدر مدى ملاءمة كل نوع لهذا السياق المحدد. ثم يستخدم طريقة رياضية، تشبه المزاد عالي المخاطر، لتخصيص الإعلان الأكثر ملاءمة للمكان الأكثر ملاءمة. يسمح هذا النهج للنظام بمطابقة إعلان فندق مع فقرة عن الإقامة دون أن يحتاج المعلن أبدًا إلى رؤية خطط السفر المحددة للمستخدم.

لاختبار ما إذا كانت هذه الطريقة تعمل بالفعل، بنى الفريق نموذجًا أوليًا وقاسوا مدى قدرة النظام على تحديد مدى صلة الإعلان بجزء معين من المحادثة. قارنوا نظامهم الآلي بالتقييمات البشرية. ووجدوا أن استخدام نموذج لغة كبير ليعمل كحكم — يقيم ما إذا كان نوع الإعلان يناسب جملة معينة — أنتج نتائج تتوافق بشكل وثيق مع الحدس البشري. في اختباراتهم، ارتبطت تنبؤات الحكم الآلي بالتقييم المتوسط لستة وثلاثين مشاركًا بشريًا بمستوى يبلغ حوالي 0.66 تقريبًا. ومن المثير للاهتمام أن هذا الحكم الآلي كان أداؤه أفضل من تسعة وعشرين من أصل ستة وثلاثين من المقيمين البشريين الأفراد عند مقارنتهم بمتوسط المجموعة. يشير هذا إلى أن النظام يمكنه تحديد ما إذا كان الإعلان مناسبًا سياقيًا بشكل موثوق دون الحاجة إلى مراجعة بشرية لكل تفاعل.

كما أجرى الباحثون عمليات محاكاة لمعرفة ما إذا كان بإمكان هذا النظام التعامل مع السرعة المطلوبة للاستخدام في الوقت الفعلي. قاموا بمحاكاة سيناريو يتضمن مائة ألف معلن ومائة موضع محتمل للإعلانات في محادثة. وحتى مع هذا النطاق الهائل، تمكن النظام من حساب الإعلانات التي يجب عرضها والمبلغ الذي يجب تحصيله في حوالي 1.25 ثانية على جهاز كمبيوتر محمول قياسي. تشير هذه السرعة إلى أن آلية المزاد سريعة بما يكفي لاستخدامها في المحادثات الحية دون التسبب في تأخير ملحوظ. وتخلص الدراسة إلى أنه من خلال فصل وضع الإعلانات عن توليد النص واستخدام فئات واسعة بدلاً من الكلمات المفتاحية المحددة، فمن الممكن إنشاء نموذج إعلاني مستدام وفعال وذي صلة بالسياق للذكاء الاصطناعي التوليدي. وبينما يعتمد النظام على التقديرات بدلاً من المعرفة الكاملة بنية المستخدم، فإن النتائج تشير إلى أن الأخطاء التي تسببها هذه التقديرات هي صغيرة بما يكفي للحفاظ على العدالة للمعلنين وتجربة جيدة للمستخدمين.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💬 cs.CL →