把一个脑洞发展成一个顶会workshop，阿里的母亲只用了一年时间。

学术刷野 NeurIPS 2024年，许多人啊(传出周迅的声音)！

最热闹、最值得回味的，我们总结一下：

学术追星：和 Ilya、FeiFei、Kaiming、Saining 拘谨但不失礼貌地合照。

现场开吃：分为吃瓜 Bengio 和 OpenAI 员工吵架版 & “学术蝗虫”狂炫会上的饭菜和下午茶版。

独闯 Workshop：获得最新 insight，收集各种贴纸，抢各种周边。

今年应该说不说 NeurIPS 开了几个新的 workshop，其中一个还挺特别的，值得一谈。

尤其是特别的，这就是我们。中国企业提出了概念，随后咱围绕这一概念问题，中国公司承办。

并且NeurIPS 在此期间，同题竞赛也是如此 pick——这个话题也和这个中国企业有关。它是由北京大学邓小铁教授和卢宗青教授的研究团队联合提交的，作为第一单位。

答案揭晓！

这场 Workshop 便是Auto-Bidding in Large-Scale Auctions(自动出价在大规模竞拍中)，AIGB（AI-Generated Bidding）Bidding 模型训练新范式延伸而来。

去年 4 月份，创新性地将自动出价建模为生成序列决策问题。

在这个领域，这是第一次使用生成模型，而且一年来在阿里妈妈的需求场景中实际操作效果非常好。

所以赛题当选之后，获得主办权的阿里母亲特别设置了 AIGB 跑道(今年也成为国内工业界唯一的一家获得者。 NeurIPS 组织比赛主办权)。

说到这里，主办 Workshop、当选提报赛题，现在 NeurIPS 这个 level 顶会够了吗？

结果阿里的母亲还在 Workshop 上面还放了一招彩蛋：

为使更多的研究者进入这一领域，并激发更多的研究者，例如 AIGB 这种算法诞生了，世界上第一个包含大规模模拟竞价系统和博弈数据集的开源。 Benchmark，即 AuctionNet。

敲黑板，AuctionNet 它不仅适用于自动竞价决策算法的研究，也适用于广泛的大型游戏决策智能领域。强化学习、生成模型、运筹学、机制设计等更为常见的领域的研究人员也能受益，整个领域非常完整。 nice。

库库一键三连呗？

从一个脑洞到一个游戏 workshop

OK，首先，我们来澄清一下 AIGB 的概念。

进行而言，AIGB 是一种基于 Transformer、Diffusion Model 等待生成模型自动出价问题新的处理模式。。

竞价问题通常是广告商非常头痛的问题，简单理解就是他们要通过竞价的方式，在平台上进行广告营销，精确营销。

并且是尽可能在预期成本下达到最佳效果的那种。

在用 AI 大型自动出价前，事实上，行业在整个竞价领域已经采用了第三代方法，依靠的是 RL(加强学习)。但是这种方法也有不足之处，比如在长序列的自动出价决策场景中，会出现训练误差累积过多的问题。

以及过去处理序列决策的问题 RL 思路不同，AIGB 将 Auto-Bidding 把它看作是一种策略生成问题。

换句话说，AIGB 直接捕捉历史，通过生成模型强大的特征联系和分布拟合能力， Bidding 在优化措施之间，数据集中优化目标与出价策略之间的相关性。

与传统相比 RL 方法，AIGB避免了价值函数估计与自举法的偏差，而且特别擅长处理。 Bidding 长序列稀疏回报面临的问题。

介绍了阿里母亲决策智能技术团队的负责人，AIGB 网上广告平台的实际预算 AB 在测试中取得了显著的效果，并在阿里母亲的广告场景中实现了大规模的商业化，商家的经营效果得到了显著的提升。

你可以去看看之前更详细的内容。 KDD 2024 接收的《AIGB: Generative Auto-bidding via Conditional Diffusion Modeling》，这里就不赘述了。

昨天，阿里妈妈在那里 NeurIPS 2024 现场组织 workshop，正是围绕一种典型的情况。 AIGB 话题进行——自动出价在大规模竞拍中的出价。。

这场 workshop 邀请了来自 Google Research、Amazon、Purdue University 学术界和工业界的嘉宾分享交流决策智能领域的前沿技术。

据阿里母亲，淘天集团技术副总裁，算法技术负责人 CTO 郑波透露，AIGB 原来是从他的一个脑洞开始的。

郑波表示，去年年初，阿里母亲的技术学生在生成竞价方向上进行了探索和实践，并首次在业内提出了新的竞价算法范式:AIGB（AI- Generated Bidding），他相信 AIGB 在自动竞价和大规模竞拍领域，有潜力成为下一代最先进的技术。

阿里母亲首席算法架构师，资深董事玺羽也就是说，自动出价是广告业最具特色的技术领域之一，一直希望能够吸引更多的从业人员和非从业人员来关注这一领域。

依靠阿里的母亲 NeurIPS 举办的这次 workshop，为您提供一个交流平台。

而且大部分与会嘉宾，不仅对 AIGB 高度评价技术本身的前沿性和创新性，充分肯定和期待其在各行各业的广泛应用价值和未来潜力。

来自Google Reasearch 的 Dr. Zhao以《Auto-bidding in Online Advertising》就话题而言，简明扼要地分享了自己对最新自动竞价技术的看法。

"生成模型和大型模型促进了该领域的快速发展，并带来了新的突破." Dr. Zhao 表达自己的观点，“我可以看到将生成模型应用于自动竞价的各种潜在优势。生成模型可以帮助广告主更好地了解自己的喜好，帮助生成更复杂、更适应的竞价策略。”

全球 1500 多个团队竞争，会上上榜。

这场 workshop 在“大规模竞拍中的自动出价”比赛中，将会有参赛选手和团队的闪耀时刻。

基于不同的基础生成模型，选手们提出了一批不同的模型。 DiffBid（基于 Diffusion Model 出价算法) AIGB 解决方案，生成产生了许多亮点。

总共有两条跑道，分别是：

AIGB 跑道：利用生成模型学习自动出价 Agent

通用跑道：自动出价包含不确定性

AlGB Track Winner 2个团队，KGAB Team和CleanDiffuser Team身为获奖团队的代表 workshop 上做了 pre～

还有代表对参赛队伍进行了阐述。 AIGB 对未来的看法和判断。

一位来自国内学术界的助理教授表示自己很肯定 AIGB 在他看来，价值，AI-generated Bidding “随着广告生态系统的复杂性和动态性的不断提高，传统规则驱动的出价方式逐渐显现出局限性，而基于人工智能的出价技术可以通过实时数据处理、动态预测和自适应策略来制定，”技术正在迅速成为广告营销和出价提升领域的核心驱动力。实现更加高效、精确的资源配置。"

基于自己的学术眼光，他很乐意分享一些他已经知道的先机：

在未来的发展中，我认为基于广告主行为数据的个性化竞价策略，构建高度定制的竞价模式，将是一个更有趣的方向。

许多算法专家来自国内顶级互联网。说，不管是基于什么 Transformer 还是 Diffusion 探索将促进生成技术的发展。 bidding 全面落地的角度，相信随着众多从业者的探索和完善，AIGB 技术将变得更加成熟，解决传统方法无法解决的问题。

一位算法专家说，他的团队正在探索。 AIGB 该模型的着陆，旨在实现端到端的智能出价，从复杂环境的前后文字出发，并取得了良好的效果。

据业内人士介绍，去年阿里母亲提出的比赛结果和效果 DiffBid 就效果而言，旗鼓相当。 AIGB 技术迭代在范式下非常迅速，据阿里妈妈算法专家介绍，阿里妈妈在 DiffBid 在此基础上，经过一年的努力，我们开发了新一代的竞价算法。当自动竞价比赛如火如荼的时候，我们已经在双十一期间悄然上线，取得了显著的效果。

官方数据显示，本次比赛总报名人数共计 1861 人，AIGB 跑道 948 人（海外 70 人类)，通用跑道 913 人（海外 90 人类)，包括世界顶尖大学、研究机构和科技、金融公司团队，以及许多跨组织和个人名义参加比赛的团队。

最终组成了 793 支 AIGB 跑道队伍和 729 支通跑道队伍，共计 1522 参加比赛的支队参加比赛，报名参赛队伍包括北大、清华、哥大、UCSD、全球知名大学团队，如慕尼黑工业大学、南洋理工大学、首尔大学等。，以及微软、腾讯、蚂蚁集团、Aautorapper、虾皮、中国建设银行、字节跳动、阿里巴巴等科技或金融公司的团队。

也有许多跨组织团队和个人名义团队参加比赛。

浅划一个令人羡慕的非重点，2 个跑道共 12 支队有比赛奖金，最高奖金。 6000 刀！

当然，由于是阿里妈妈举办的，所以获胜者将拥有阿里巴巴的实习机会，学校招聘的绿色通道，以及访问学者的资格。

“源神”启动，正式开源自动出价决策领域 Benchmark

最终聊聊 Auto-Bidding in Large-Scale Auctions 最后一个更令人惊讶的点——

“源神”启动！

阿里的母亲宣布，该计划在自动竞价领域正式开源。 Benchmark「AuctionNet」，包括 48 个不同 Agent 相互竞价的轨迹，共有超过 5 十亿记录，占用 80GB 存储空间。

它是世界上第一个标准化的大规模竟价模拟系统和大规模游戏数据，已经取得了相关成果 NeurIPS 2024 收录为 Spotlight 论文（录取率在 3% 上下）。

强调一下，AuctionNet不但适用于广告竞拍中出价决策算法的研究，也适用于大规模游戏中决策的研究。

由于自动出价属于决策智能范围，可广泛应用于游戏、自动驾驶、营销、推荐系统、金融量化投资等领域。

在来自 Google Reasearch 的 Dr. Zhao 看来，开源 Benchmark 标准化评价和准确性将促进该领域的技术创新，促进学术研究和实践应用。

不仅如此，还有助于协作和知识共享，帮助更多的人从这个领域受益。

讲道理，阿里母亲开源自动出价决策领域 Benchmark，的确，最重要的第一块砖是架起一座多方共赢的桥梁。

毕竟到目前为止，网络广告仍然在因特网经济中发挥着重要作用。：

数据表明，2023 全球在线广告市场规模每年都超过 6000 亿美元；纵观世界，Google、Meta、TikTok、Alibaba 即使是相应的在线广告平台， AI 2.0 时代弄潮儿 OpenAI 最近还有消息称，考虑在商品中引入在线广告。

在这一领域，自动化出价模式的出现打破了传统的广告技术体系，成为当前在线广告发展的核心动力。

但是一切都不完美。近几年来，工业界的研究焦点是自动竞价领域仍然存在许多具有挑战性和价值的科学研究问题。。

比如由于转化稀疏、转化率预测不确定性等问题，还是需要精心策划如何合理满足投放终点的成本约束；比如随着时间的推移，行业内的拍卖环境不再是传统的单坑。 GSP 拍卖机制，如何在更复杂的拍卖环境中找到最佳的出价策略仍然是一个尚未解决的问题。

在台面上，解决这一问题是为了促进商业收益，但是从深层次上来说，更能促进相关技术领域的稳定发展。

但是，由于各平台对数据的严格保护，以及与工业界相对接近的广告竞价环境，研究讨论自动竞价领域的难点不仅仅是技术本身，当前对其高价值问题的研究主要集中在少数机构中。。

只是，层层加码，非常困难。

在这些人中，阿里妈妈是为数不多的能将。 RL 其中一家公司在自动竞价领域大规模落地，并且一直积极推进自动竞价技术的发展，先后发布了多种算法的升级。

当然，当 RL 阿里的母亲在不够好用的时候，敢于站出来，愿意站出来，开源数据集，期待更多的人参与研究，共同推进，优势不仅仅在于技术本身。

从行业江湖的角度来看，，它是中国领先的营销平台，拥有数百万广告主，超越了中国 80% 广告商使用自动竞价服务，它拥有完整的数据链接闭环，从用户点击到下单路径中的数据都可以获得。

阿里的母亲技术同学介绍，为了让更多的研究人员深入了解广告平台的运营细节，参与广告平台自动竞价算法的核心研究，团队构建了一个标准的广告竞价环境，并设置了各种贴近行业真实场景的特点，包括多坑、多元化的流量价值分布、转换估计的不确定性、稀疏转换等。

一位阿里母亲技术同学对量子位说：“希望这个 Benchmark 能够为学术界和工业界提供强有力的支持，也期待通过开源推动智能领域的决策。 AI 技术和应用正在迅速发展。

必须多说几句，开源的意义一直包括共享、合作和共同探索。。

也包含了一种自信，一种立足于前沿的头部自信，一种不畏挑战的自信，一种“源头活水”的自信，愿意营造更好的生态氛围。

从去年的 DiffBid，阿里母亲一直在推动行业的创新和变革，直到今年双十一中得到验证的新一代出价算法。

如同在 RL 同样的方法时代，阿里妈妈又会 AIGB 在方法时代，作为自动出价技术发展的开拓者再次启航。

GitHub 链接：

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

— 完 —

点这里� � 注意我，记住标星哦～

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相遇。 ~

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com