🤖 AI

HMAF: A Hierarchical Multi-Slot GD-RTB Allocation Framework

该论文提出了 HMAF，这是一个统一的分层框架，它将离线约束优化与在线列表式决策相结合，旨在复杂的多槽位广告环境中有效平衡长期“保证交付”合同履行与短期“实时竞价”收益最大化，并在美团的营销场景中实现了显著的性能提升。

原作者： Tianxing Bu, Zhaoqi Zhang, Linyou Cai, Miao Xie, Shengri Xue, Tan Qu, Qianlong Xie, Xingxing Wang, Siqiang Luo, Gao Cong

发布于 2026-06-10

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Tianxing Bu, Zhaoqi Zhang, Linyou Cai, Miao Xie, Shengri Xue, Tan Qu, Qianlong Xie, Xingxing Wang, Siqiang Luo, Gao Cong

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

想象一家繁忙的餐厅（广告平台），它有两种类型的顾客：

VIP（保证合约/GD Contracts）： 这些是大广告主，他们在几个月前就签署了合同。他们支付了固定价格并表示：“无论如何，在接下来的一个月内，我们必须获得 10,000 次桌位预订（广告曝光量）。”如果餐厅未能为他们安排座位，则必须支付违约金。
散客（实时竞价广告/RTB Ads）： 这些是每天都会出现的广告主，他们会说：“我会支付当前市场的任何桌位价格。”餐厅希望将这些桌位分配给出价最高的客户，以便在今天赚取尽可能多的钱。

问题所在：
餐厅在每一页上都有有限数量的桌子（广告位）。有时，VIP 需要桌子，但散客提供的价格却非常高。

如果你把桌子给散客，你今天赚得更多，但你可能会在月底前无法满足足够的 VIP 需求。
如果你把桌子给 VIP，你让合同方满意了，但你可能会错过散客带来的巨额现金回报。
以往的系统试图解决这个问题，但要么是忽略 VIP 直到月底（这很冒险），要么是使用简单的、僵化的规则（如“VIP 总是优先”），这会浪费金钱。

解决方案：HMAF（智能餐厅经理）
论文介绍了一个名为 HMAF（层级式多槽位分配框架）的新系统。你可以把它想象成一个完美运行餐厅的三步走管理团队。

第一步：规划者（“计划”阶段）

在餐厅开门营业之前，规划者会查看整个月的日程表。

他们做什么： 他们计算出 VIP 到底需要多少桌位以及有多少可用桌位。他们计算出每个桌位的“影子价格”。
类比： 想象规划者意识到：“二楼 4 号桌非常受欢迎，但我们只有 5 张这样的桌子。如果我们将 4 号桌给 VIP，我们会损失很多潜在的散客收入。但如果我们给散客，我们可能会错过 VIP 合约。”
输出： 规划者创建了一套“经验法则”（称为对偶变量），告诉员工：“4 号桌现在很贵；只有在 VIP 非常紧急时才给他们；否则，请为高价散客保留。”

第二步：校准者（“校准”阶段）

当顾客到达时（用户打开 App），校准者会根据规划者的规则，实时调整广告的分数。

他们做什么： 它观察 VIP 和散客。如果一个 VIP 合约的交付目标进度落后，校准者会给该 VIP 一个“加分（boost）”，使其更有可能获得桌位。如果 VIP 已经超额完成任务，则移除加分。
类比： 这就像门口的交通警察。如果 VIP 区很空，警察就会让 VIP 更快进入。如果 VIP 区已经满了，警察就会让高价散客进来。它在秒级时间内动态地平衡这两个群体。

第三步：执行者（“执行”阶段）

这是最终的决策者，负责实际分配桌位。

他们做什么： 在现代餐厅中，你不仅仅有一张桌子，你可能有一整排桌子（一个“多槽位”页面）。执行者不仅仅是挑选最好的单个桌位，它会挑选整排桌位的最佳排列方式。
类比： 想象执行者是一位摆盘的厨师。他们不只是把最贵的菜放在中间，而是布置整个盘子，确保 VIP 得到他们的特定位置，同时又不会遮挡散客的视线，从而使整个“盘子”（用户的屏幕）看起来美观且利润最大化。
神奇之处： 这部分使用了一个“生成器-评估器”网络。生成器创建几种可能的座位安排（例如：“如果把 VIP 放在这里，把散客放在那里会怎样？”）。评估器充当评委，观察所有这些选项，并选出那个既能让 VIP 满意又能赚取最多利润的方案。

结果

论文指出，该系统在美团（一家大型美食外卖平台，可以理解为一个巨大的数字餐厅）进行了测试。

结果： 通过使用这个三步走的经理，美团成功地多接待了 3.72% 的 VIP（履行了更多合约），并且同时从散客那里多赚了 1.59% 的总利润。
为什么令人惊讶： 通常情况下，如果你接待了更多的 VIP，你赚的钱会变少，因为你无法向散客收取更高的费用。但由于 HMAF 非常聪明（利用了规划者提供的“影子价格”来决定将哪个桌位给谁），它找到了同时实现这两者的办法。

总结：
HMAF 就像一位超级聪明的餐厅经理，他不仅仅是对着进门的顾客做出反应。他会规划整个月，根据 VIP 区的拥挤程度实时调整进门政策，并完美地安排桌位，以确保每个人都能得到所需，同时让餐厅实现利润最大化。

技术摘要：HMAF —— 一种分层多槽位 GD-RTB 分配框架

1. 问题定义

本文解决了在大规模在线广告生态系统中，当保证交付 (Guaranteed Delivery, GD) 合同与 实时竞价 (Real-Time Bidding, RTB) 拍卖并存时，复杂的曝光分配挑战。特别地，作者关注的是多槽位环境（例如内容信息流），即单个页面视图包含多个广告位。

核心问题被定义为一个统一的分配任务，旨在最大化平台总收入（RTB 拍卖价值与 GD 合同价值之和），同时满足严格的约束条件：

GD 交付约束： 确保合同达到最小和最大曝光量 ( $B_j$ )，以避免违约罚款。
供给约束： 每个请求（页面视图）在每个槽位中最多只能分配一个广告。
页面视图 (PV) 约束： 对特定请求在多个槽位中可以贡献的曝光量进行细粒度限制，以防止广告疲劳和过度曝光。

作者确定了解决该问题的三个基本挑战：

NP-难问题 (NP-Hardness)： 该问题在细粒度 PV 约束下泛化了多维背包问题 (MKP)，使得在数百万次请求下进行全局优化在计算上是难以实现的。
eCPM-履约权衡 (eCPM-Fulfillment Trade-off)： 如何平衡短期收入最大化（高 eCPM）与长期合同交付保证之间的关系非常困难；激进的履约往往会损害收入，而纯粹追求收入则面临交付不足的风险。
弱监督 (Weak Supervision)： 与标准的 CTR 预测不同，混合排序缺乏关于最优列表的显式地面真值标签，系统需要从源自聚合交付状态的隐式、延迟反馈中进行学习。

2. 方法论：HMAF 框架

作者提出了 HMAF (Hierarchical Multi-Slot Allocation Framework，分层多槽位分配框架)，将这一难以处理的问题分解为 计划–校准–执行 (Plan–Calibrate–Execute) 范式。该框架将离线约束优化与在线神经决策紧密结合。

A. 计划阶段：受页面视图约束的分配模块

该模块在离线状态下将分配问题建模为约束优化问题。

目标： 最小化一个平衡合同履约、用户兴趣以及一种新型页面视图 (PV) 约束（用于限制每个槽位的曝光）的损失函数。
机制： 使用拉格朗日松弛 (Lagrangian relaxation) 和 KKT 条件来解决该问题。系统并非直接求解原问题，而是通过投影梯度步骤迭代更新对偶变量 ( $\alpha, \beta, \delta$ $α, β, δ$ )。
- $\alpha_j$ ：合同需求（交付压力）的影子价格。
- $\beta_i$ ：请求容量的影子价格。
- $\delta_{ij}$ ：槽位级 PV 约束的影子价格。
输出： 这些对偶变量作为“影子价格”，编码了全局资源稀缺性和交付压力，作为下游阶段的紧凑控制信号。

B. 校准阶段：对偶引导的预排序模块

该模块通过将对偶变量注入排序分数，将离线规划与在线执行连接起来。

统一评分： 它为 GD 和 RTB 候选者定义了一个统一的排序分数 ( $rs_j$ )。
对偶引导调制： 对于 GD 广告，其分数由项 $x_{ij} \cdot PID_{Error}$ 进行调整，其中 $x_{ij}$ 是源自离线优化的分配置信度。这使得系统能够根据特定上下文的交付压力动态调整竞争力，而非应用统一的 PID 控制。
功能： 该阶段执行粗粒度的过滤和排序，在显著缩小决策空间的同时保持分配质量。

C. 执行阶段：生成器-评估器列表式分配模块

该阶段处理跨多个槽位的最终列表式排序，解决了多槽位广告的位置依赖性问题。

对偶增强特征空间： 离线对偶变量 ( $\alpha, \beta, \delta$ ) 被作为全局状态特征注入到神经网络中，从而提供对系统约束的“预见性”。
生成器 (Generator)： 基于 Transformer 的编码器对候选者与位置的交互进行建模，输出将候选者分配到槽位的概率矩阵。它生成一个主列表和用于探索的扰动列表。
评估器 (Evaluator)： 列表式监督器通过估计聚合了预测指标和交付约束的奖励 ( $R(S_k)$ )，从生成的候选列表中选择最优的排序列表。
训练目标： 模型使用组合损失函数进行训练：
- $L_{ce}$ ：交叉熵损失，使预测结果与评估器的最优分配保持一致。
- $L_{re}$ ：奖励感知损失，惩罚预测 eCPM 与实际 eCPM 之间的偏差，从而修正系统性偏差。

3. 核心贡献

统一框架： 提出了 HMAF，这是一个集成了离线约束优化与在线神经决策的分层框架，为多槽位 GD-RTB 分配提供了稳健的架构基础。
三个核心组件：
- 一个受页面视图约束的优化模块，捕捉细粒度的供给侧约束并导出对偶信号。
- 一个对偶引导的统一排序模块，利用离线对偶变量校准在线评分，以平衡 eCPM 与履约。
- 一个 生成器-评估器 模块，通过联合建模候选者-位置交互并在全局引导下实现列表式排序。
实证验证： 通过大规模实验和在线 A/B 测试，证明了在交付率和总收入方面均有显著提升。

4. 实验结果

该框架使用来自美团生产环境的数据集（1.23 亿+ 次曝光，32 天）进行评估，并在在线 A/B 测试中部署。

离线性能：

HMAF 在所有指标上均优于基准模型（包括 CF, PID, AUAF, CONFLUX 和 LIBRA）。
组 AUC (GA)： 0.8984（对比表现最好的基准 LIBRA 为 0.8538）。
交付率 (DR)： 0.9638（对比 LIBRA 为 0.9554）。
效用率 (UR)： 0.9812（对比 LIBRA 为 0.9513）。
RTB eCPM： 实现了最高的归一化得分 (1.0000)。

在线 A/B 测试（2 个月，50/50 流量拆分）：

GD 交付率： 提升了 3.72%（具有统计学显著性，p-value 0.018）。
总广告收入： 提升了 1.59%（具有统计学显著性，p-value 0.024）。
系统效率： 离线规划在 20 台机器上运行约 2 小时；在线推理非常轻量（每个页面视图 <50ms）。
结果的意义： 作者指出，同时实现交付和收入的双重增长是反直觉的。他们将其归功于 GE 模型能够智能地将 GD 曝光转移到非优质槽位（利用 $\delta_{ij}$ 信号），从而释放高价值库存供 RTB 使用。

5. 重要性与主张

本文声称 HMAF 成功解决了混合广告市场中短期收入效率与长期交付保证之间固有的冲突。通过引入 计划–校准–执行 范式，该框架超越了启发式优先级规则或解耦的流水线。

作者强调，该框架通过对偶引导的神经方法处理细粒度多槽位约束和 NP-难组合优化的能力是其主要创新点。他们指出，HMAF 提供了一个“可靠的架构基础”，适用于 GD-RTB 分配，并已成功部署在美团的生产系统中，产生了可衡量的业务价值。文章最后总结道，该框架具有很强的适应性，可以应用于其他具有类似 GD-RTB 设置的平台，仅需依赖于保证交付要求、实时竞价价值以及多槽位曝光约束即可。