Ad Insertion in LLM-Generated Responses
यह शोध पत्र सतत एलएलएम (LLM) मुद्रीकरण के लिए एक नवीन ढांचे का प्रस्ताव करता है जो विज्ञापन प्रविष्टि को प्रतिक्रिया निर्माण से अलग करता है और संदर्भगत सुसंगति, गणनात्मक दक्षता और नैतिक अनुपालन सुनिश्चित करने के साथ-साथ मजबूत नीलामी-सैद्धांतिक गारंटी प्राप्त करने के लिए शैली-आधारित बोली का उपयोग करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
डिजिटल युग में, जानकारी खोजने का हमारा तरीका सर्च बॉक्स में छोटे, स्थिर प्रश्न टाइप करने से बदलकर आर्टिफिशियल इंटेलिजेंस के साथ सहज, निरंतर बातचीत करने में बदल गया है। दशकों तक, सर्च इंजन के पीछे का बिजनेस मॉडल उपयोगकर्ता द्वारा टाइप किए गए विशिष्ट शब्दों को विज्ञापनों से मिलाने पर निर्भर रहा है। यदि आप "रनिंग शूज़" टाइप करते हैं, तो स्नीकर्स का एक विज्ञापन दिखाई देता है। यह प्रणाली इसलिए काम करती है क्योंकि उपयोगकर्ता का इरादा उन निश्चित कीवर्ड्स में समाहित होता है। हालाँकि, आधुनिक भाषा मॉडल केवल प्रश्नों के उत्तर ही नहीं देते; वे मानव बातचीत की नकल करते हुए लंबे, विकसित होते उत्तर भी उत्पन्न करते हैं। न्यूयॉर्क की यात्रा की योजना बनाने के बारे में एक चैट में, बातचीत संग्रहालयों पर चर्चा करने से लेकर होटलों, फिर परिवहन और अंत में बजटिंग तक प्रवाहित हो सकती है। हर वाक्य के साथ उपयोगकर्ता का इरादा बदल जाता है। यह एक अनूठी चुनौती पैदा करता है: आप संग्रहालयों के बारे में एक पैराग्राफ के बीच में होटल का प्रासंगिक विज्ञापन कैसे दिखाएं ताकि वह बेमेल न लगे, या इससे भी बुरा, बिना यह सुनिश्चित किए कि विज्ञापन स्वयं आर्टिफिशियल इंटेलिजेंस द्वारा उस क्षण में उत्पन्न किया गया कोई काल्पनिक झूठ (hallucination) न हो? इसके अलावा, विज्ञापन दिखाना तत्काल होना चाहिए, बिना बातचीत को धीमा किए, और इसे उपयोगकर्ता की गोपनीयता का सम्मान करना चाहिए ताकि व्यक्तिगत विवरण विज्ञापनदाताओं को उजागर न हों।
शोधकर्ताओं ने इस पहेली को हल करने के लिए एक नया ढांचा प्रस्तावित किया है, जिसका लक्ष्य विज्ञापनों को इन एआई (AI) बातचीत में इस तरह बुनना है कि वे स्वाभाविक लगें, तेज़ रहें और उपयोगकर्ता के डेटा की रक्षा करें। उनका समाधान दो प्रमुख विभाजनों पर आधारित है। पहला, वे बातचीत लिखने के कार्य को विज्ञापन डालने के कार्य से अलग करते हैं। आर्टिफिशियल इंटेलिजेंस द्वारा अपनी प्रतिक्रिया लिखते समय विज्ञापन लिखने के बजाय, सिस्टम पहले एक स्वच्छ, विज्ञापन-मुक्त उत्तर उत्पन्न करता है। केवल उत्तर पूरा होने के बाद ही, एक अलग सिस्टम यह तय करता है कि पूर्व-लिखित विज्ञापनों को कहाँ रखा जाए। यह सुनिश्चित करता है कि विज्ञापन की सामग्री सटीकता के लिए पहले से जांची गई हो और इसे स्पष्ट रूप से प्रायोजित संदेश के रूप में चिह्नित किया जा सके, जिससे एआई द्वारा किसी उत्पाद के बारे में गलती से झूठे दावे करने की संभावना टल जाती है।
दूसरा, और शायद अधिक अभिनव विभाजन, यह है कि विज्ञापनदाता इन स्थानों के लिए बोली कैसे लगाते हैं। पारंपरिक खोज में, विज्ञापनदाता विशिष्ट कीवर्ड्स पर बोली लगाते हैं। एक गतिशील चैट में, हर संभावित वाक्य या क्षण पर बोली लगाना कम्प्यूटेशनल रूप से असंभव और गोपनीयता के लिए एक दुःस्वप्न होगा, क्योंकि इसके लिए विज्ञापनदाताओं को उपयोगकर्ता के निजी प्रॉम्प्ट देखने की आवश्यकता होगी। इसके बजाय, शोधकर्ताओं ने "शैलियों" (genres) की अवधारणा पेश की है। ये व्यापक, स्थिर श्रेणियां हैं जैसे "होटल", "एयरलाइंस" या "इलेक्ट्रॉनिक्स"। विज्ञापनदाता विशिष्ट उपयोगकर्ता प्रश्नों के बजाय इन शैलियों पर अग्रिम रूप से बोली लगाते हैं। जब सिस्टम विज्ञापन डालने के लिए तैयार होता है, तो वह बातचीत के वर्तमान भाग को देखता है और अनुमान लगाता है कि प्रत्येक शैली उस विशिष्ट संदर्भ में कितनी अच्छी तरह फिट बैठती है। फिर यह एक गणितीय पद्धति का उपयोग करता है, जो एक उच्च-दांव वाली नीलामी के समान है, ताकि सबसे उपयुक्त स्थान के लिए सबसे उपयुक्त विज्ञापन को आवंटित किया जा सके। यह दृष्टिकोण सिस्टम को आवास के बारे में एक पैराग्राफ के साथ होटल का विज्ञापन मिलाने की अनुमति देता है, बिना विज्ञापनदाता को उपयोगकर्ता की विशिष्ट यात्रा योजनाओं को देखे।
यह परीक्षण करने के लिए कि क्या यह विधि वास्तव में काम करती है, टीम ने एक प्रोटोटाइप बनाया और यह मापा कि सिस्टम एक बातचीत के विशिष्ट भाग के प्रति विज्ञापन की प्रासंगिकता को कितनी अच्छी तरह आंक सकता है। उन्होंने अपने स्वचालित सिस्टम की तुलना मानव रेटिंग से की। उन्होंने पाया कि एक जज के रूप में एक बड़े भाषा मॉडल (LLM) का उपयोग करना—यह मूल्यांकन करना कि एक विज्ञापन की शैली एक विशिष्ट वाक्य में कितनी फिट बैठती है—ऐसे परिणाम देता है जो मानवीय अंतर्ज्ञान के बहुत करीब हैं। उनके परीक्षणों में, स्वचालित जज के अनुमानों का तीस-छह मानव प्रतिभागियों के औसत रेटिंग के साथ लगभग 0.66 के स्तर पर सहसंबंध पाया गया। उल्लेखनीय रूप से, यह स्वचालित जज समूह के औसत की तुलना में उनм छब्बीस मानव रेटर्स में से उन उनों से बेहतर प्रदर्शन कर गया। यह सुझाव देता है कि सिस्टम विश्वसनीय रूप से यह निर्धारित कर सकता है कि कब कोई विज्ञापन प्रासंगिक है, बिना हर एक बातचीत की समीक्षा के लिए मानव की आवश्यकता के।
शोधकर्ताओं ने यह देखने के लिए भी सिमुलेशन चलाए कि क्या यह सिस्टम वास्तविक समय के उपयोग के लिए आवश्यक गति को संभाल सकता है। उन्होंने एक सौ हजार विज्ञापनदाताओं और बातचीत में विज्ञापनों के एक सौ संभावित स्थानों वाले परिदृश्य का अनुकरण किया। इस विशाल पैमाने के बावजूद, सिस्टम यह गणना करने में लगभग 1.25 सेकंड का समय ले सका कि कौन से विज्ञापन दिखाने हैं और कितना शुल्क लेना है, और वह भी एक मानक लैपटॉप पर। यह गति दर्शाती है कि नीलामी तंत्र लाइव बातचीत में बिना किसी ध्यान देने योग्य देरी के उपयोग करने के लिए पर्याप्त तेज़ है। अध्ययन निष्कर्ष निकालता है कि विज्ञापन प्लेसमेंट को टेक्स्ट जनरेशन से अलग करके और विशिष्ट कीवर्ड के बजाय व्यापक श्रेणियों का उपयोग करके, संवादात्मक एआई के लिए एक टिकाऊ, कुशल और प्रासंगिक विज्ञापन मॉडल बनाना संभव है। हालांकि यह प्रणाली पूर्ण ज्ञान के बजाय अनुमानों पर निर्भर करती है, परिणाम बताते हैं कि इस सन्निकटन (approximation) से उत्पन्न त्रुटियां विज्ञापनदाताओं के लिए निष्पक्षता और उपयोगकर्ताओं के लिए एक अच्छा अनुभव बनाए रखने के लिए पर्याप्त छोटी हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।