學術打野NeurIPS 2024，好多人啊（發出周迅的聲音）！

最熱鬧最值得回味的，咱都總結好了：

• 學術追星：和Ilya、FeiFei、Kaiming、Saining拘謹但不失禮貌地合照。
• 現場開吃：分為吃瓜Bengio和OpenAI員工吵起來版 & “學術蝗蟲”狂炫會上的飯和下午茶版。
• 勇闖Workshop：收獲最新insight，收集五花八門貼紙，搶各種周邊。

該說不說，今年NeurIPS開了好幾個新的workshop，其中有一場還挺特別的，值得一聊。

特別就特別在，它是咱中國公司提出概念，然后咱中國公司圍繞該概念為題主辦的。

而且NeurIPS期間同題競賽也被pick——這賽題它還跟這家中國公司有關系，是該公司作為第一單位，同北京大學鄧小鐵教授、盧宗青教授研究團隊聯合提報的。

答案揭曉！

這場Workshop就是Auto-Bidding in Large-Scale Auctions（大規模拍賣中的自動出價），從AIGB（AI-Generated Bidding）Bidding模型訓練新范式延展而來。

去年4月，阿里媽媽在業界首提Bidding模型訓練新范式：阿里媽媽生成式出價模型AIGB（AI-Generated Bidding），創新地將自動出價建模為生成式序列決策問題。

這是生成式模型在該領域的首次應用，而且一年來在阿里媽媽的業務場景實操效果非常不錯。

因此賽題入選后，拿到主辦權的阿里媽媽特別設置了AIGB賽道（也成為國內工業界今年唯一一家獲得NeurIPS比賽主辦權的組織）。

說起來，主辦Workshop、提報賽題入選，在NeurIPS這個level的頂會上夠可以了吧？

結果阿里媽媽還在Workshop上還放了一招彩蛋：

為了讓更多的研究者進入這個領域并激發更多諸如AIGB這樣的算法誕生，開源了世界首個包含了大規模模擬競價系統和博弈數據集的Benchmark，即AuctionNet。

敲黑板，AuctionNet不僅適用于自動出價決策算法研究，還適用于大型博弈的廣泛的決策智能領域。強化學習、生成模型、運籌學和機制設計等更廣泛領域的研究人員也能受益，一整個非常nice。

就庫庫一鍵三連唄？

從一個腦洞到一場workshop

OK，咱們先來厘清AIGB的概念。

展開來說，AIGB是一種基于Transformer、Diffusion Model等生成式模型的自動出價問題新的解決范式。

出價問題一般是廣告主很頭疼的事情，簡單理解就是他們得在平臺上通過競價的方式，進行廣告投放、精準營銷。

并且是盡可能在預期成本下達到最好效果那種。

在用AI大模型自動出價之前，整個出價領域業界其實已經在用第三代辦法了，靠的是RL（強化學習）。但這種方式也有不足，比如在自動出價這種長序列決策場景下，會出現訓練誤差累積過多的問題。

與以往解決序列決策問題的RL思路不同，AIGB將Auto-Bidding視為一個策略生成問題。

也就是說，AIGB通過生成模型強大的特征關聯以及分布擬合能力，直接捕捉歷史Bidding數據集中優化目標和出價策略之間的相關性從而優化策略。

相比于傳統的RL方法，AIGB避免了價值函數預估和自舉法所所造成的誤差，而且尤其擅長處理Bidding所面對的長序列稀疏回報的問題。

阿里媽媽決策智能技術團隊負責人介紹，AIGB在實際在線廣告平臺預算AB測試中取得了顯著效果，并已在阿里媽媽廣告場景實現大規模商業化落地，商家經營效果提升顯著。

更詳細的內容大家可以去看看之前KDD 2024接收的《AIGB: Generative Auto-bidding via Conditional Diffusion Modeling》，這里不多贅述了。

昨天，阿里媽媽在NeurIPS 2024現場組織的workshop，就是圍繞一種典型情況的AIGB話題展開——大規模拍賣中的自動出價。

這場workshop邀請了來自Google Research、Amazon、Purdue University在內的學界和工業界嘉賓來分享交流決策智能領域的最前沿技術。

據淘天集團技術副總裁、算法技術負責人，阿里媽媽CTO鄭波透露，AIGB居然是從他的一個腦洞開始的。

鄭波表示，去年年初，阿里媽媽的技術同學們在生成式出價這個方向探索和實踐，并在業界首次提出了出價算法新范式：AIGB（AI- Generated Bidding），他相信 AIGB有潛力成為自動出價和大規模拍賣領域的下一代最先進技術。

阿里媽媽首席算法架構師、資深總監璽羽則表示，自動出價是廣告最具特色的技術領域之一，一直以來都希望能吸引更多的從業者和非從業者關注這個領域。

阿里媽媽依托NeurIPS舉辦的這次workshop，為大家提供了一個交流的平臺。

而與會嘉賓中的大多數，不僅對AIGB技術本身的前沿性和創新性給予了高度評價，還對其在各行各業中的廣泛應用價值及未來潛力表示了非常充分的肯定與期待。

來自Google Reasearch的Dr. Zhao以《Auto-bidding in Online Advertising》為話題，簡明扼要分享了自己對于最新的自動出價技術的見見解。

“生成模型和大型模型促進該領域的快速發展并帶來新的突破。“Dr. Zhao表達了自己的看法，”我可以看到將生成模型應用于自動出價的各種潛在優勢。生成模型可以幫助廣告商更好地了解他們的偏好，并幫助生成更復雜和更具適應性的出價策略。“

全球1500多支隊伍角逐，會上放榜

這場workshop上也有“大規模拍賣中的自動出價”賽題參賽選手們和團隊的閃耀時刻。

選手們基于不同的基礎生成模型，提出了一批不同于DiffBid（基于Diffusion Model的出價算法）的AIGB解決方案，迸發出諸多亮點。

賽題總共分為兩個賽道，分別是：

• AIGB賽道：利用生成式模型學習自動出價Agent。
• 通用賽道：含不確定性的自動出價。

AlGB Track Winner兩個團隊，KGAB Team和CleanDiffuser Team作為獲獎團隊代表在workshop上做了pre～

參賽團隊也有代表闡述了對AIGB的觀點及對未來的判斷。

一位來自國內學界的助理教授表示自己非常肯定AIGB的價值，在他看來，AI-generated Bidding技術正迅速成為廣告投放與出價優化領域的核心驅動力，“隨著廣告生態系統的復雜性和動態性不斷提高，傳統規則驅動的出價方法逐漸顯現局限，而基于人工智能的出價技術能夠通過實時數據處理、動態預測和自適應策略制定，實現更高效和精準的資源分配。”

基于自己的研究和學術視野，他很樂意地分享了一點自己已經洞察的先機：

未來的發展中，我認為個性化出價策略，基于廣告主行為數據構建高度定制化的出價模型會是一個比較有趣的方向。

多位來自于國內頂級互聯網的算法專家談道，不論是基于Transformer還是Diffusion的探索都會促進生成式技術在bidding方向的全面落地，相信隨著眾多從業者的探索與完善，AIGB技術會變得更加成熟并解決傳統方法所無法解決的問題。

其中一位算法專家表示，他所在的團隊正探索AIGB模型的落地，旨在實現從復雜環境上下文出發的端到端智能出價，并已經取得不錯的成果。

從業界人士了解到，比賽的成果與阿里媽媽去年提出的DiffBid在效果上旗鼓相當。而AIGB范式下技術迭代很快，據阿里媽媽算法專家介紹，阿里媽媽在DiffBid基礎上，經過近一年的努力又研發了新一代的出價算法，在自動出價比賽激戰正酣之時，已經在雙十一期間悄然上線，拿到了顯著的效果。

官方統計數據顯示，本次比賽總報名人次共1861人，AIGB賽道948人（海外70人），通用賽道913人（海外90人），包括全球范圍的頂尖高校、研究機構和科技、金融公司團隊，以及很多跨組織和個人名義參賽團隊。

最后組成了793支AIGB賽道隊伍和729支通用賽道隊伍，共計1522支隊伍參與賽題角逐，報名參賽隊伍中包括北大、清華、哥大、UCSD、慕尼黑工業大學、南洋理工、首爾大學等全球知名高校團隊，以及微軟、騰訊、螞蟻集團、快手、蝦皮、中國建設銀行、字節跳動、阿里巴巴等科技或金融公司團隊。

還有很多跨組織團隊和個人名義團隊參賽。

淺劃一個令人羨慕的非重點，2個賽道共12支隊伍都有賽事獎金拿，最高6000刀！

當然了，因為是阿里媽媽舉辦，所以優勝者會有阿里巴巴的實習機會、校招綠色通道以及訪問學者資格。

“源神”啟動，正式開源自動出價決策領域的 Benchmark

最后聊聊Auto-Bidding in Large-Scale Auctions上一個比較驚喜的點——

“源神”啟動！

阿里媽媽宣布，計劃正式開源自動出價領域的Benchmark「AuctionNet」，包含48個不同Agent互相競價的軌跡，共有超過5億條記錄，占用80GB的存儲空間。

這是世界首個標準化的大規模競價模擬系統和大規模博弈數據集，相關成果已被NeurIPS 2024收錄為Spotlight論文（錄取率在3%左右）。

特別強調一下，AuctionNet不僅適用于廣告競拍中出價決策算法的研究，還適用于大規模博弈中決策的研究。

這是因為自動出價屬于決策智能范疇，可以廣泛應用在游戲、自動駕駛、市場營銷、推薦系統、金融量化投資等領域。

在來自Google Reasearch的Dr. Zhao看來，開源Benchmark的標準化評估和可重復性，將推動這一領域的推動學術研究和實際應用的技術創新。

不僅如此，還將有助于協作和知識共享幫助該領域更多人受益。

講道理，阿里媽媽開源自動出價決策領域的Benchmark，真的為搭起一座多方共贏的橋梁砌上了最重要的第一塊磚。

畢竟時至今日，在線廣告依然扮演著互聯網經濟中至關重要的角色：

統計數據顯示，2023年全球在線廣告市場規模超過了6000億美元；縱觀全球，Google、Meta、TikTok、Alibaba都有相應的在線廣告平臺，就連AI 2.0時代弄潮兒OpenAI也在近日傳出考慮在產品中引入在線廣告的消息。

這個領域內，自動出價模式的出現打破了傳統廣告技術體系，成為驅動當前在線廣告發展的核心動力。

但一切事情都不會完美無瑕。作為近年來工業界的研究焦點，自動出價領域仍然存在許多頗具挑戰性、有價值的科研問題。

比如因為轉化稀疏、轉化率預測不確定性等問題，仍然需要精心設計如何在投放終點恰當地滿足成本約束；比如時過境遷，工業界的競拍環境已經不再是傳統的單一坑位下的GSP拍賣機制，如何在更復雜的競拍環境中找到最優的出價策略仍然是尚未解決的難題。

明面上，解決這些問題是在助推商業收益，但從深層次來說，更是可以推動相關技術領域的持續發展。

然而研究探討自動出價領域的難點不僅僅在技術本身，由于各平臺對數據的嚴格保護，且缺乏和工業界比較接近的廣告競價環境，目前針對其高價值問題的研究主要集中在少數幾家機構。

就，層層加碼，難上加難。

其中，阿里媽媽就是為數不多能夠將RL在自動出價領域大規模落地的公司之一，且一直以來都活躍推動自動出價技術發展，先后發布了多個算法的升級。

當然了，當RL不夠好用的時候，阿里媽媽敢站出來、愿意站出來，開源數據集，期待更多人參與研究，共同推動，優勢也不僅僅在技術本身。

從行業江湖的視角來看，它是中國領先的營銷平臺、擁有數百萬的廣告主，并且超過80%的廣告主使用了自動出價服務，它有完整的數據鏈路閉環，從用戶點擊到下單過程路徑中的數據都能獲取到。

阿里媽媽技術同學介紹，為了讓更多研究者深入了解廣告平臺的運作細節，并參與廣告平臺最核心的自動出價算法的研究，團隊建設了一個標準的廣告競價環境，并設置了多種貼近工業界真實場景的特性，包括多坑、多樣化的流量價值分布、轉化預估不確定性、稀疏轉化等。

一位阿里媽媽技術同學對量子位表示：“希望此Benchmark能為學界和工業界提供強有力的支持，也期待通過開源推動決策智能領域的AI技術和應用快速向前發展。”

不得不多說兩句，開源的意義，從來都包含共享、協作、共同探索。

還包括一種自信，一種立足前沿頭部的自信，一種不懼挑戰的自信，一種自己就是“源頭活水”且愿意營造更好生態氛圍的自信。

從去年的DiffBid，到今年在雙十一中得到驗證的新一代出價算法，阿里媽媽持續引領著行業的創新和變革。

正如在RL方法時代一樣，阿里媽媽又將在AIGB方法時代，以自動出價技術發展的領航者身份再次啟航。

GitHub鏈接：

https://github.com/alimama-tech/AuctionNet