AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution
AdsWorldEngine ist ein selbstentwickelndes konversationelles Werberahmenwerk, das ein iteratives Actor-Tool-Koevolutionsverfahren und eine label-basierte Urteilsmodellierung einsetzt, um kommerzielle Absichten dynamisch zu inferieren, Werbebereitungs-Tools zu optimieren und die Relevanz-, Diversitäts- und Umsatzmetriken in Multi-Turn-Assistenteninteraktionen signifikant zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie unterhalten sich mit einem superintelligenten digitalen Freund, der Ihnen hilft, Ihren Tag zu planen, ein Restaurant zu finden oder ein neues Videospiel auszuwählen. In den alten Tagen des Internets, wenn Sie „beste Pizza in meiner Nähe“ in ein Suchfeld tippten, erschien sofort eine Liste von Anzeigen. Das war einfach, weil Ihre Anfrage kurz und klar war. Aber heute sind Gespräche anders. Sie sagen vielleicht: „Ich denke an einen Strandurlaub“, und Ihr Freund schlägt ein paar Orte vor. Dann sagen Sie: „Nicht in der Karibik“, und er verfeinert die Liste. Schließlich fragen Sie vielleicht: „Gibt es auch etwas Günstigeres?“ In diesem Hin und Her ist das Feststellen, wann man eine Anzeige zeigt und welche Anzeige man zeigt, wie der Versuch, einen Fisch zu fangen, während er in einem dunklen, bewegten Fluss schwimmt. Man kann nicht einfach ein Netz auswerfen; man muss die ganze Geschichte verstehen, erraten, was die Person wirklich will, und sicherstellen, dass die Anzeige hilfreich wirkt und nicht nervt. Dies ist die Herausforderung der „konversationellen Werbung“ – ein Bereich, der versucht sicherzustellen, dass die richtige Botschaft zum richtigen Zeitpunkt in einem Chat erscheint, ohne die Stimmung zu ruinieren.
Hier kommt AdsWorldEngine ins Spiel, ein neues System, das von Forschern bei Microsoft entwickelt wurde, um dieses knifflige Rätsel zu lösen. Stellen Sie sich das wie ein hochtrainiertes, selbstverbesserndes Team von digitalen Agenten vor, die zusammenarbeiten, um einen smarten Werbeshop innerhalb eines Gesprächs zu betreiben. Anstatt nur einem starren Skript zu folgen, hat dieses System drei Hauptcharaktere: einen Gatekeeper (Torwächter), einen Conductor (Dirigenten) und einen Judge (Richter).
Der Gatekeeper spricht als Erster. Bevor überhaupt über Anzeigen nachgedacht wird, betrachtet er das Gespräch und fragt: „Ist dies ein guter Zeitpunkt, um eine Anzeige zu zeigen?“ Es ist wie ein Türsteher in einem Club, der entscheidet, ob die Musik gerade richtig für eine Werbeunterbrechung ist. Wenn der Nutzer nur Fakten abfragt oder das Gespräch zu sensibel ist, sagt der Gatekeeper „Nein“ und hält die Werbung fern, um das Nutzererlebnis zu schützen.
Wenn der Gatekeeper grünes Licht gibt, übernimmt der Conductor. Er ist das Hauptgehirn der Operation. Er hört der gesamten Chat-Historie zu, versteht, was der Nutzer wirklich will (selbst wenn er es nicht direkt ausgesprochen hat), und ruft dann einen Satz von Tools (Werkzeugen) auf – wie einen Bibliothekar, einen Shopper und einen Sortierer –, um die drei besten Anzeigen zu finden. Der Conductor wählt nicht einfach die ersten drei aus, die er findet; er prüft sie, stellt sicher, dass sie sich untereinander unterscheiden, und stellt sicher, dass sie tatsächlich zur aktuellen Stimmung des Nutzers passen.
Das ist der wirklich coole Teil: Das System hört dort nicht auf. Es hat einen Judge, der die gesamte Show beobachtet, nachdem sie stattgefunden hat. Der Judge bewertet, wie gut die Auswahl der Anzeigen war. Wenn die Anzeigen perfekt waren, erhält der Conductor eine hohe Punktzahl. Wenn die Anzeigen langweilig oder nervig waren, bekommt er eine niedrige Punktzahl. Aber die Magie von AdsWorldEngine ist, dass es diese Punktzahlen nutzt, um alle besser zu machen. Es ist wie ein Videospiel, bei dem der Spieler (der Conductor) und die Level-Designer (die Tools) voneinander lernen. Wenn der Conductor etwas Großartiges macht, speichert das System diesen Moment, um den Tools zu zeigen: „Hey, so solltest du arbeiten!“ Und wenn die Tools einen tollen Job machen, lernt der Conductor: „So sollte ich um Hilfe bitten!“ Sie entwickeln sich gemeinsam weiter und werden mit jedem Gespräch klüger.
Die Forscher fanden heraus, dass dieser „selbstentwickelnde“ Ansatz unglaublich gut funktioniert. Indem sie das System darauf trainierten, aus seinen Erfolgen und Fehlern zu lernen, sahen sie massive Verbesserungen. In ihren Tests machte das System die Anzeigen 60 % vielfältiger (das heißt, man sah eine größere Vielfalt an Dingen, nicht immer nur das Gleiche) und 80 % relevanter (die Anzeigen passten tatsächlich zu dem, worüber der Nutzer sprach). Als sie es in der realen Welt mit Microsoft Copilot, einem populären KI-Assistenten, ausprobierten, waren die Ergebnisse noch beeindruckender: Das System steigerte den Wert der Anzeigen um 22 % und zeigte Anzeigen in 74 % mehr Gesprächen, in denen sie tatsächlich hilfreich waren.
Was dies von anderen Versuchen unterscheidet, ist, dass es sich nicht nur darauf verlässt, dass ein Mensch dem Computer sagt, was er tun soll, oder einer einfachen Regel folgt wie „wenn der Nutzer ‚kaufen‘ sagt, zeige eine Anzeige“. Die Forscher argumentieren, dass einfache Regeln und grundlegendes Training nicht ausreichen, da Gespräche zu komplex sind. Stattdessen bauten sie eine Schleife, in der das System übt, bewertet wird und dann seine eigenen Regeln umschreibt, um sich zu verbessern. Sie erfanden auch eine spezielle Methode, um dem System beizubringen, wie man „subjektive“ Entscheidungen trifft – wie etwa zu wissen, wann eine Anzeige nervig wäre – indem sie menschliche Labels als Leitfaden nutzten und schlechte Argumentationen herausfilterten.
Kurz gesagt: AdsWorldEngine ist ein Schritt nach vorn, um KI-Assistenten natürlicher und weniger wie eine Werbetafel wirken zu lassen. Es legt nahe, dass die Zukunft der Werbung nicht darin besteht, Sie zu unterbrechen, sondern darin, ein hilfreicher Teil des Gesprächs zu sein, der aus jeder Interaktion lernt, um das Timing und den Inhalt genau richtig zu gestalten. Die Arbeit zeigt, dass wenn man den „Schauspieler“ (denjenigen, der spricht) und die „Tools“ (diejenigen, die die Daten abrufen) gemeinsam lernen lässt, das gesamte System viel intelligenter und effektiver wird, als wenn sie separat trainiert würden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.