NaiAD: Initiate Data-Driven Research for LLM Advertising
本文介绍了 NaiAD，这是首个面向大语言模型原生广告的综合数据集，包含近 5.9 万条嵌入广告内容的回复以及一个解耦生成流程，该流程使模型能够通过不同的语义策略和可控的上下文学习，同时优化用户体验与商业收入。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在与一个非常聪明的机器人进行友好的聊天。突然，机器人说到一半停下来，试图向你推销一台烤面包机。如果它只是脱口而出：“顺便说一句，买这台烤面包机吧”，对话会显得非常尴尬，你也可能会感到恼火。这就是当前人工智能广告的问题：它感觉像是一种笨拙的打断。
你所询问的这篇论文介绍了一种名为NaiAD（原生广告集成与评估数据集）的新解决方案。你可以将 NaiAD 想象成一本庞大且超级有条理的培训手册，旨在教导人工智能如何在不破坏对话的前提下推销产品。
以下是他们如何做到这一点以及发现了什么的简单分解：
1. 问题：“光环效应”陷阱
研究人员注意到，当前的人工智能模型就像那些在所有科目上都得"A"的学生。如果人工智能写了一个精彩的故事，它也会认为自己擅长插入广告，即使广告本身很糟糕。反之，如果故事很糟糕，广告也很糟糕。人工智能无法区分“好故事配坏广告”和“坏故事配好广告”。这使得很难教导人工智能如何在为用户提供帮助的同时，又能有效地为广告主服务。
2. 解决方案：构建一个“解耦”训练健身房
为了解决这个问题，团队构建了 NaiAD，这是一个包含近 60,000 次对话的数据集。但他们并没有只是让 AI 随机编写广告。他们使用了一种特殊的解耦生成流程。
- 类比：想象一个健身房，你可以在那里独立训练手臂和腿部。通常，如果你举起重物，你的整个身体都会感到疲劳。但在这个健身房里，研究人员迫使人工智能创建特定的场景：
- 场景 A：对你问题的完美回答，但附带一个糟糕、令人讨厌的广告。
- 场景 B：一个无聊、不相关的回答，但附带一个出色、有说服力的广告。
- 场景 C：两者的完美混合。
- 场景 D：两方面都搞砸了。
通过创建这些“硬负例”（糟糕的组合），他们打破了人工智能假设一切都是相互关联的习惯。这教会了人工智能，它可以既提供帮助又推销产品，或者在提供帮助的同时不推销产品，这两者是独立的。
3. 秘密武器：“逻辑桥梁”
在构建数据集之前，研究人员问道：人类如何自然地将推销说辞编织进聊天中？ 他们发现，成功的人工智能广告依赖于一个隐藏的“逻辑桥梁”。
他们发现，人工智能的大脑自然地将这些桥梁组织成四种不同的策略，就像四种不同类型的讲故事的人：
- 哲学家（价值与愿景）：“你在询问如何解决复杂问题？好吧，这个品牌也是关于在宏大层面上解决复杂问题的。”（连接宏大的理念）。
- 造型师（美学与生活方式）：“你想要极简、整洁的外观？这个品牌就奉行这种同样干净、简单的生活方式。”（匹配氛围）。
- 治疗师（情感与心理）：“你似乎对这项任务感到压力？这款产品是放松身心、感觉更好的完美方式。”（连接情感）。
- 工匠（方法论抽象）：“你正在以极大的精确度和细心执行这项任务？这个品牌以完全相同级别的精确度而闻名。”（连接你工作的方式）。
4. 记分员：修复“机器人裁判”
通常，当我们要求人工智能对这些广告进行评分时，人工智能是有偏见的。它可能仅仅因为文本很长或很礼貌就给出高分。为了解决这个问题，研究人员使用了一种称为VC-PPI的统计技巧。
- 类比：想象一个过于严厉或过于宽松的机器人裁判。研究人员让一小群真实的人类对几个样本进行评分。然后，他们利用数学方法“校准”机器人裁判，调整其评分，使其与人类的意见完全一致。这确保了数据集的公平性和准确性。
5. 结果：教导人工智能玩杂耍
一旦他们在这个新数据集（NaiAD）上训练了一个人工智能模型，结果令人印象深刻：
- 不再有取舍：人工智能学会了既对用户有帮助，又在推销方面有效，无需在两者之间做出选择。
- 控制力：研究人员表明，他们可以告诉人工智能：“给我一个很好的回答，但广告要弱”，或者“给我一个很弱的回答，但广告要好”，而人工智能实际上能够做到。它学会了独立控制这两个目标。
- 优于人类：在某些测试中，在 NaiAD 上训练过的人工智能在平衡这些目标方面，实际上比互联网上找到的真实人类示例做得更好。
总结
该论文声称，通过创建一个庞大且精心平衡的数据集（NaiAD），并教导人工智能四种特定的“桥梁”策略，我们终于可以让人工智能广告感觉自然。人工智能学会了成为一个恰好知道某款好产品的 helpful 朋友，而不是一个打断对话的咄咄逼人的推销员。这建立了一个基础，让用户获得更好的回答，公司获得更好的广告，而不会让任何人感到恼火。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。