LLM-HYPER Framework Utilizza Modelli Linguistici di Grandi Dimensioni come Iperreti per la Personalizzazione degli Annunci a Freddo

C'è questo nuovo entusiasmante framework di ricerca chiamato LLM-HYPER che affronta il problema del cold-start nella pubblicità online. Utilizza modelli linguistici di grandi dimensioni come iperreti per impostare i parametri degli stimatori del tasso di clic (CTR), saltando i metodi di addestramento tradizionali. Questo approccio sfrutta il prompting few-shot Chain-of-Thought con vari formati pubblicitari, come testo e immagini, per determinare pesi specifici del modello per le previsioni lineari del CTR. Il sistema utilizza gli embedding CLIP per trovare campagne passate simili e le organizza in esempi basati su prompt, che aiutano a valutare l'intento del cliente e la pertinenza dei contenuti. Per garantire la stabilità, i ricercatori hanno utilizzato tecniche di normalizzazione e calibrazione. I dettagli sono in un articolo su arXiv, etichettato 2604.12096v1, che mostra un metodo innovativo per gli annunci che mancano di feedback utente sufficiente. Hanno condotto ampi test offline per supportare i loro risultati.