AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution
O AdsWorldEngine é uma estrutura de publicidade conversacional autoevolutiva que emprega um procedimento de coevolução ator-ferramenta iterativo e modelagem de julgamento fundamentada em rótulos para inferir dinamicamente a intenção comercial, otimizar ferramentas de entrega de anúncios e melhorar significativamente as métricas de relevância, diversidade e receita em interações de assistentes de múltiplos turnos.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que você está conversando com um amigo digital superinteligente que ajuda você a planejar seu dia, encontrar um restaurante ou escolher um novo videogame. Nos velhos tempos da internet, se você digitasse "melhor pizza perto de mim" em uma caixa de pesquisa, uma lista de anúncios apareceria imediatamente. Isso era fácil porque seu pedido era curto e claro. Mas agora, as conversas são diferentes. Você pode dizer: "Estou pensando em uma viagem à praia", e seu amigo sugere alguns lugares. Então você diz: "Não no Caribe", e ele refina a lista. Finalmente, você pode perguntar: "Algo mais barato?". Nessa dança de ida e volta, descobrir quando mostrar um anúncio e qual anúncio mostrar é como tentar pegar um peixe enquanto ele nada em um rio escuro e agitado. Você não pode apenas jogar uma rede; você tem que entender toda a história, adivinhar o que a pessoa realmente quer e garantir que o anúncio pareça útil, não irritante. Este é o desafio da "publicidade conversacional", um campo que tenta garantir que a mensagem certa apareça no momento certo em um chat sem estragar o clima.
Apresentamos o AdsWorldEngine, um novo sistema projetado por pesquisadores da Microsoft para resolver esse quebra-cabeça complicado. Pense nele como uma equipe altamente treinada e autoaperfeiçoável de agentes digitais trabalhando juntos para gerenciar uma loja de anúncios inteligente dentro de uma conversa. Em vez de apenas seguir um roteiro rígido, este sistema possui três personagens principais: um Porteiro, um Condutor e um Juiz.
O Porteiro é o primeiro a falar. Antes que qualquer anúncio seja sequer considerado, ele observa a conversa e pergunta: "Este é um bom momento para mostrar um anúncio?". É como um segurança de uma boate que decide se a música é adequada para um intervalo comercial. Se o usuário estiver apenas pedando fatos ou se a conversa for muito sensível, o Porteiro diz "Não" e mantém o anúncio longe para proteger a experiência do usuário.
Se o Porteiro der o sinal verde, o Condutor assume o controle. Este é o cérebro principal da operação. Ele ouve todo o histórico do chat, entende o que o usuário realmente quer (mesmo que ele não tenha dito diretamente) e então convoca um conjunto de Ferramentas — como um bibliotecário, um comprador e um classificador — para encontrar os três melhores anúncios. O Condutor não apenas escolhe os três primeiros que encontra; ele os verifica, garante que sejam diferentes entre si e assegura que eles realmente se encaixem no humor atual do usuário.
Aqui está a parte realmente legal: o sistema não para por aí. Ele tem um Juiz que observa todo o espetáculo depois que ele acontece. O Juiz pontua o quão boa foi a seleção de anúncios. Se os anúncios foram perfeitos, o Condutor recebe uma pontuação alta. Se os anúncios foram chatos ou irritantes, ele recebe uma pontuação baixa. Mas a magia do AdsWorldEngine é que ele usa essas pontuações para ensinar a todos como melhorar. É como um videogame onde o jogador (o Condutor) e os designers de fases (as Ferramentas) aprendem uns com os outros. Quando o Condutor faz algo excelente, o sistema salva esse momento para mostrar às Ferramentas: "Ei, é assim que você deve trabalhar!". E quando as Ferramentas fazem um ótimo trabalho, o Condutor aprende: "É assim que eu devo pedir ajuda!". Eles evoluem juntos, tornando-se mais inteligentes a cada conversa.
Os pesquisadores descobriram que essa abordagem de "autoevolução" funciona incrivelmente bem. Ao treinar o sistema para aprender com seus próprios sucessos e falhas, eles viram melhorias massivas. Em seus testes, o sistema tornou os anúncios 60% mais diversos (significando que você viu uma variedade maior de coisas, não apenas a mesma coisa repetidamente) e 80% mais relevantes (os anúncios realmente combinavam com o que o usuário estava falando). Quando tentaram testá-lo no mundo real com o Microsoft Copilot, um assistente de IA popular, os resultados foram ainda mais impressionantes: o sistema aumentou o valor dos anúncios em 22% e mostrou anúncios em 74% mais conversas onde eles eram realmente úteis.
O que torna isso diferente de outras tentativas é que não depende apenas de um humano dizendo ao computador o que fazer, ou de uma regra simples como "se o usuário disser 'comprar', mostre um anúncio". Os pesquisadores argumentam que regras simples e treinamento básico não são suficientes porque as conversas são complexas demais. Em vez disso, eles construíram um ciclo onde o sistema pratica, é avaliado e depois reescreve suas próprias regras para melhorar. Eles também inventaram uma maneira especial de ensinar o sistema a tomar decisões "subjetivas" — como saber quando um anúncio seria irritante — usando rótulos humanos como guia e filtrando o raciocínio ruim.
Em suma, o AdsWorldEngine é um passo à frente para fazer com que os assistentes de IA pareçam mais naturais e menos como um outdoor. Ele sugere que o futuro da publicidade não é interromper você, mas ser uma parte útil da conversa, aprendendo de cada interação para acertar o tempo e o conteúdo de forma justa. O artigo mostra que, quando você deixa o "ator" (aquele que fala) e as "ferramentas" (aquelas que buscam os dados) aprenderem juntos, todo o sistema se torna muito mais inteligente e eficaz do que se fossem treinados separadamente.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.