Các nhà nghiên cứu đề xuất đấu giá ở cấp độ token cho quảng cáo do AI tạo ra

icon MarsBit
Chia sẻ
AI summary iconTóm tắt
Các nhà nghiên cứu từ Trường AI Gao Ling thuộc Đại học Nhân dân và Stanford đã đề xuất một hệ thống đấu thầu quảng cáo ở cấp độ token mới gọi là LAMA. Cơ chế này tích hợp đấu thầu quảng cáo vào quá trình tạo nội dung AI, cho phép các nhà quảng cáo ảnh hưởng đến hướng nội dung. LAMA đảm bảo báo cáo trung thực và cân bằng giữa trải nghiệm người dùng và giá trị thương mại. Các bài kiểm tra cho thấy nó tăng doanh thu nền tảng và lợi nhuận cho nhà quảng cáo mà không làm giảm chất lượng nội dung. Phát triển này nằm trong xu hướng tin tức AI + crypto đang gia tăng và có thể hỗ trợ các đợt niêm yết token mới trong lĩnh vực này.

Trong kết quả tìm kiếm, bất kỳ khi nào xuất hiện tóm tắt AI, xác suất người dùng nhấp vào trang web thông thường gần như giảm một nửa. Phân tích hành vi duyệt web quy mô lớn của người dùng Mỹ trên Google bởi Trung tâm Nghiên cứu Pew cho thấy: khi có tóm tắt AI, tỷ lệ người dùng nhấp vào các kết quả tìm kiếm truyền thống giảm trực tiếp từ 15% xuống còn 8%. [1]

Người dùng đang hoàn thành việc khám phá và so sánh trong cuộc hội thoại, và quảng cáo cũng đã di chuyển theo. OpenAI đã chính thức ra mắt ChatGPT Ads, trong khi Google cũng đã đưa quảng cáo vào AI Overviews, gắn các thẻ tài trợ vào câu trả lời, tiếp tục mô hình thời kỳ công cụ tìm kiếm. [2, 3] Nhưng sự thay đổi trong mô hình tiếp nhận thông tin của con người khiến người ta bắt đầu suy nghĩ lại về hình thức quảng cáo:

Khi phương tiện truyền tải thông tin chuyển từ kết quả tìm kiếm toàn trang thành một câu trả lời được tạo ra theo thời gian thực, thì quảng cáo nên đấu giá cái gì?

Trong ba thập kỷ qua, quảng cáo trực tuyến luôn dựa trên một giả định mặc định: vị trí quảng cáo tồn tại trước, sau đó cuộc đấu giá mới quyết định ai sẽ nhận được nó. Thứ tự kết quả tìm kiếm, lần hiển thị nào trong luồng thông tin, đều là những cơ hội được định nghĩa sẵn. Nhưng câu trả lời của mô hình lớn được tạo ra từng từ một: việc một thương hiệu có phù hợp để xuất hiện hay không, xuất hiện ở đâu, và giới thiệu như thế nào, đều phụ thuộc vào những gì đã được viết trước đó. Thậm chí, việc đề cập đến giá cả trước hay trải nghiệm trước cũng có thể tạo ra những ấn tượng hoàn toàn khác nhau về sản phẩm.

Online advertising

Hình 1: Trong các phương tiện thông tin sinh thành, cơ hội quảng cáo xuất hiện ở đâu, ai nhận được và cách chúng được trình bày sẽ cùng ảnh hưởng đến hiệu quả tiếp thị và trải nghiệm người dùng.

Do đó, việc tạo ra không chỉ lấp đầy các cơ hội quảng cáo mà còn định hình các cơ hội quảng cáo. Trong mô hình mới này, các nghiên cứu trước đây đã bắt đầu khám phá các phương thức đấu giá như chèn quảng cáo ở cấp đoạn văn và đấu giá các câu trả lời ứng cử, trong khi nhóm nghiên cứu từ Đại học Nhân dân Gaoling và Đại học Stanford đã đẩy cạnh tranh quảng cáo bản địa của mô hình lớn lên đến mức từng Token trong quá trình sinh.

LAMA mà họ đề xuất cho phép nội dung tạo ra và phân bổ quảng cáo cùng phát triển: mỗi khi tạo ra một Token, nó đều ảnh hưởng trực tiếp đến cách câu trả lời được tiếp tục và ảnh hưởng đến việc ai cuối cùng sẽ nhận được quảng cáo. Đây chính là ý tưởng cốt lõi mà công trình này đưa ra—tạo ra chính là phân bổ (Generation as Allocation).

Online advertising

Quảng cáo ở cấp độ token

Tác giả: Hanbing Liu, Bowei Zhang, Changyuan Yu, Yinyu Ye, Qi Qi

Đơn vị: Trường Học viện Trí tuệ Nhân tạo Gaoling, Đại học Nhân dân Trung Quốc, Đại học Stanford

Liên kết: https://arxiv.org/abs/2608.27382

Mỗi từ mà mô hình lớn viết ra

Đều là một quá trình đấu giá một lần

Đẩy cuộc đấu giá quảng cáo lên cấp độ Token, các nhà quảng cáo không chỉ cạnh tranh cho cơ hội hiển thị cuối cùng, mà còn tranh giành quyền quyết định hướng viết tiếp theo. Ví dụ, khi giới thiệu điểm đến nghỉ dưỡng, việc đề cập đến giao thông trước hay chỗ ở trước có thể mang lại lợi thế cạnh tranh cho các nhà quảng cáo khác nhau trong các vòng đấu tiếp theo. Do đó, các nhà quảng cáo có thêm không gian chiến lược mới: không chỉ có thể điều chỉnh báo cáo để ảnh hưởng đến nội dung hiện tại, mà còn có thể thay đổi chiến lược tiếp theo tùy theo nội dung đã được viết ra.

Điều này đặt ra yêu cầu cao hơn đối với cơ chế: không chỉ cần khiến các nhà quảng cáo sẵn sàng cung cấp thông tin giá trị thực tế ngay từ đầu, mà còn phải đảm bảo họ tiếp tục nói thật trong quá trình tạo ra câu trả lời. Đồng thời, câu trả lời cũng không được chỉ tập trung vào việc迎合 giá thầu, làm lệch khỏi câu hỏi ban đầu của người dùng.

LAMA là viết tắt của Latent Advertiser Mixture Auction, nghĩa là "Phiên đấu giá hỗn hợp người quảng cáo tiềm ẩn". Nó cho phép các nhà quảng cáo báo cáo: “Viết tiếp theo cách này, tôi sẽ nhận được giá trị bao nhiêu?” dựa trên văn bản hiện tại, sau đó kết hợp với mô hình ngôn ngữ gốc để hình thành các chiến lược sinh nội dung theo sở thích của từng nhà quảng cáo. Nền tảng sẽ tạo câu trả lời từng Token một và liên tục cập nhật xác suất cuối cùng mà mỗi nhà quảng cáo nhận được sự hiển thị: nội dung mới được tạo ra càng phù hợp với hướng sở thích của một nhà quảng cáo nào đó, thì xác suất phân bổ cho họ càng cao. Sau khi kết thúc câu trả lời, nền tảng sẽ chọn người chiến thắng dựa trên xác suất cuối cùng để cấp sự hiển thị dưới dạng liên kết ngoài hoặc thẻ tài trợ. Trong thực tế triển khai, các báo cáo giá trị này có thể được mô hình phía nền tảng tính toán thay, tương tự dịch vụ tự động đặt giá (Auto-bidding) trong các hệ thống quảng cáo hiện nay.

Online advertising

Hình 3: Quy trình hoạt động của LAMA. Trong mỗi lần tạo Token, lần lượt thực hiện báo cáo, tạo và cập nhật, sau đó hoàn thành phân bổ và thanh toán cuối cùng sau khi câu trả lời được tạo xong.

Làm thế nào để ngăn chặn các nhà quảng cáo lợi dụng quy trình này để “đổi ý giữa chừng”? LAMA đã thiết kế cẩn thận các quy tắc kiểm tra báo cáo cục bộ và thanh toán đi kèm cho quy trình tạo này.

Việc xác minh tập trung vào việc các báo cáo trước và sau có khớp nhau không: đánh giá giá trị của chủ quảng cáo đối với các cách diễn đạt khác nhau ở bước tiếp theo, sau khi tổng hợp, phải nhất quán với báo cáo trước đó về văn bản hiện tại. Nền tảng chỉ cần thực hiện một lần kiểm tra cục bộ ở mỗi bước để hạn chế việc chủ quảng cáo thay đổi ý kiến tùy tiện. Việc thanh toán sẽ được điều chỉnh theo quá trình tạo ra: nếu một bước làm tăng xác suất được hiển thị của chủ quảng cáo và giá trị tiếp theo kết hợp lại trở nên có lợi hơn, thì sẽ phát sinh chi phí tương ứng; nếu trở nên bất lợi, thì sẽ cung cấp trợ cấp, sau đó kết hợp với chi phí ban đầu để hoàn tất thanh toán. Như vậy, việc ảnh hưởng đến quá trình tạo ra, tranh giành sự hiển thị và gánh chịu chi phí đã được liên kết với nhau.

Cơ chế này đáp ứng tính tương thích kích thích Markov DSIC: bất kể các nhà quảng cáo khác áp dụng chiến lược khả thi nào, nếu một nhà quảng cáo đã báo cáo trung thực trước đó, thì trong bất kỳ trạng thái sinh ra nào có thể đạt được, việc tiếp tục báo cáo trung thực sẽ không tệ hơn so với việc chuyển sang sử dụng chiến lược khả thi khác sau này. Nói cách khác, sự trung thực không chỉ áp dụng cho mức giá chào ban đầu, mà còn xuyên suốt quá trình tạo ra câu trả lời.

Đồng thời, LAMA còn có đảm bảo phúc lợi xã hội: lấy giá trị quảng cáo trừ đi khoản phạt do lệch khỏi câu trả lời bản địa làm mục tiêu, khoảng cách giữa nó và cơ chế tối ưu lý tưởng có giới hạn trên rõ ràng về mặt lý thuyết. Điều này giúp cơ chế khi theo đuổi giá trị thương mại đồng thời hạn chế ảnh hưởng của quảng cáo đến trải nghiệm người dùng.

Từ cách viết từng bước đến cuối cùng ai được tiếp cận và trả bao nhiêu, LAMA đã đưa tất cả vào cùng một cơ chế. Đó chính là ý nghĩa của “tạo ra là phân phối”.

Lý thuyết rất hoàn hảo

Actual effect?

Nhóm nghiên cứu đã chọn 1.239 truy vấn tìm kiếm thương mại thực tế từ bộ dữ liệu Webis Generated Native Ads 2024 để thực hiện xác minh khái niệm, bao gồm ba kịch bản phổ biến: thể hình, kỳ nghỉ và ô tô, mỗi kịch bản là một môi trường cạnh tranh giữa ba nhà quảng cáo.

Thử nghiệm sử dụng Qwen3-14B làm mô hình ngôn ngữ tham chiếu, thông qua đào tạo LoRA để tạo ra mô hình báo cáo được chia sẻ bởi các nhà quảng cáo. Giá trị quảng cáo được ước tính dựa trên dự đoán từ mô hình dự đoán mã nguồn mở, trong khi trải nghiệm người dùng được đánh giá tổng hợp dựa trên các chỉ số do GEM-Bench cung cấp, bao gồm tính liên quan, tính hữu ích, sự trôi chảy và mạch lạc, mức độ tự nhiên của quảng cáo, tính chính xác của quảng cáo và mức độ xâm nhập. Các phương pháp cơ sở bao gồm hai cách phân bổ trước và sau khi tạo, kết hợp với ba phương pháp tạo: nội dung bản địa, chèn chỉnh sửa và chiến lược học tăng cường, cùng với cơ chế tổng hợp ở cấp độ câu trả lời MOSAIC.

Online advertising

Hình 4: Bảng thí nghiệm chính

LAMA đạt mức cao nhất trên cả bốn chỉ số, không chỉ mang lại lợi ích đôi bên cho doanh thu nền tảng (+10,7%) và giá trị cho nhà quảng cáo (+3,8%) mà còn hoàn toàn không ảnh hưởng đến trải nghiệm người dùng.

Hãy xem xét một truy vấn trong bối cảnh kỳ nghỉ: “best beach vacations in the world (những điểm nghỉ dưỡng bãi biển tốt nhất thế giới)”. Câu trả lời tham chiếu không chứa cơ chế quảng cáo chỉ thảo luận về điểm đến và các yếu tố lập kế hoạch; câu trả lời do LAMA tạo ra, đoạn đầu xuất hiện Expedia, đoạn sau lại xuất hiện Tripadvisor, trong quá trình tạo ra, các chủ quảng cáo luân phiên kiểm soát, nhưng câu trả lời vẫn tự nhiên, trôi chảy và cung cấp thông tin có giá trị giống như câu trả lời tham chiếu.

Online advertising

Hình 5: Mẫu câu trả lời trong bối cảnh kỳ nghỉ, đoạn văn được tô cam là vùng văn bản được gán liên kết.

Sau khi tạo xong, xác suất phân bổ của Tripadvisor cao đáng kể và đã được chọn làm người chiến thắng cuối cùng trong câu trả lời này.

Tại sao lại là Tripadvisor? Về mặt nội dung văn bản, Expedia ở đoạn đầu dường như đóng vai trò là điểm neo thương hiệu để dẫn dắt đến các điểm đến như Maldives, Bali và Caribbean; câu nói về Tripadvisor lại trực tiếp làm rõ sản phẩm có thể làm gì: so sánh các điểm đến, xem đánh giá của du khách, lọc chỗ ở và trải nghiệm, mang lại biểu đạt giá trị đầy đủ hơn. Và việc cập nhật xác suất phân bổ của nền tảng đã nhanh nhạy nắm bắt được điểm này.

Đội ngũ nghiên cứu cũng thực hiện một thí nghiệm nhiễu giá thầu trực quan: giữ nguyên các báo cáo của các nhà quảng cáo khác, chỉ điều chỉnh toàn bộ báo cáo của nhà quảng cáo mục tiêu lên hoặc xuống so với giá trị thực. Kết quả rất phù hợp với trực giác: càng khai báo cao, tỷ lệ Token mà nó đóng góp, xác suất được phân phối và số tiền thanh toán càng cao. Tuy nhiên, lợi ích kỳ vọng thực tế không tăng vô hạn, mà đạt đỉnh đúng tại thời điểm khai báo trung thực. Dù khai báo gian lận để nâng giá có thể giúp giành được nhiều ảnh hưởng hơn trong kết quả, nhưng do chi phí thanh toán cao hơn nên lại không có lợi, đây chính là tính chất được đảm bảo bởi lý thuyết “phù hợp kích thích”.

Online advertising

Hình 6: Tỷ lệ tạo thành, phân phối và thanh toán đều tăng theo báo cáo, lợi ích kỳ vọng thực tế đạt đỉnh khi trung thực.

Kết luận

Quảng cáo sinh thành phù hợp xuất hiện ở đâu? Một điểm đến tự nhiên là những bối cảnh mà người dùng đang tìm kiếm lời khuyên thương mại: khi mua sắm, so sánh sản phẩm thông qua hướng dẫn viên kỹ thuật số; khi du lịch, lựa chọn khách sạn; hoặc để tác nhân lựa chọn các công cụ trả phí được sử dụng trong các quy trình làm việc hàng ngày. Khi thông tin thương mại đáp ứng nhu cầu thực tế của người dùng và có dấu hiệu nhận diện rõ ràng về ranh giới quảng cáo, không làm phá vỡ các sự thật khách quan có ích trong câu trả lời, nó sẽ có nhiều khả năng được chấp nhận hơn.

LAMA đang khám phá cách hiện thực hóa cơ chế trong tầm nhìn này: để các nhà quảng cáo cạnh tranh trong quá trình tạo nội dung, đồng thời sử dụng các quy tắc để kiểm soát hành vi chiến lược và cân bằng giữa giá trị thương mại và chất lượng câu trả lời.

Trước đây, đấu giá quyết định ai nhận được một vị trí quảng cáo đã tồn tại. Ngày nay, cơ chế này còn có thể quyết định cách các cơ hội quảng cáo được hình thành trong câu trả lời. Từ việc “phân bổ vị trí” sang “sinh ra đồng thời phân bổ”, LAMA mở ra một con đường thiết kế mới cho cơ chế quảng cáo bản địa của mô hình lớn.

Thông tin tác giả

Liu Hanbing (tác giả đầu tiên): Sinh viên thạc sĩ năm ba tại Trường Học thuật Nhân tạo Cao Linh, Đại học Nhân dân Trung Quốc, hướng dẫn viên là Giáo sư Qi Qi, chuyên nghiên cứu về quyết định thông minh và thiết kế cơ chế trong trí tuệ nhân tạo sinh tạo, dự kiến tốt nghiệp năm 2027. Các công trình đã được công bố tại các hội nghị hàng đầu như WINE, ACL, SIGMOD.

Trang chủ: https://tokgoleo.github.io/home/

Qí Qí (thư tín chính): Giáo sư thường trực tại Trường Học thuật Nhân tạo Gao Ling, Đại học Nhân dân Trung Quốc, nhà nhân tài trẻ cấp cao quốc gia, Phó Chủ nhiệm (thực hiện) và Giám đốc Văn phòng Ủy ban Chuyên ngành Kinh tế Tính toán của CCF. Tiến sĩ tốt nghiệp từ Đại học Stanford, học trò của Giáo sư Ye Yinyu. Các hướng nghiên cứu bao gồm lý thuyết trò chơi thuật toán và thiết kế cơ chế, mô hình lớn và tác nhân, hệ thống đa tác nhân, tối ưu hóa và ra quyết định thông minh. Các kết quả nghiên cứu đã được công bố rộng rãi trên các tạp chí hàng đầu như MS, OR, MOR, GEB, TR-B và các hội nghị loại CCF-A như STOC, ICML, NeurIPS, ICLR, ACL, AAAI, KDD, SIGIR, WWW. Đồng thời, ông duy trì hợp tác sâu rộng với các doanh nghiệp như Baidu, Alibaba, Tencent, Meituan, ByteDance, Didi, Huawei và OPPO, thúc đẩy ứng dụng thực tế của các công nghệ mô hình lớn, thiết kế cơ chế và ra quyết định đa tác nhân trong các tình huống thực tế với quy mô người dùng hàng tỷ, tập trung vào các lĩnh vực cốt lõi như quảng cáo trực tuyến, tiếp thị thông minh, tối ưu hóa phiếu giảm giá và tăng trưởng người dùng.

Trang chủ: https://ai.ruc.edu.cn/szdw/zrjs/qq/index.htm

Tài liệu tham khảo

1. Pew Research Center, người dùng Google ít có khả năng nhấp vào các liên kết khi có bản tóm tắt AI xuất hiện trong kết quả, 2025-07-22: https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/

2. Trung tâm trợ giúp của OpenAI, Quảng cáo trong ChatGPT, truy cập ngày 2026-09-04: https://help.openai.com/en/articles/20001047-ads-in-chatgpt

3. Google Ads & Commerce, Nhiều cơ hội hơn cho doanh nghiệp của bạn trên Google Search, 2025-05-21: https://blog.google/products/ads-commerce/google-search-ai-brand-discovery

Bài viết này đến từ tài khoản chính thức WeChat "Machine Heart"

Tuyên bố miễn trừ trách nhiệm: Thông tin trên trang này có thể được lấy từ bên thứ ba và không nhất thiết phản ánh quan điểm hoặc ý kiến của KuCoin. Nội dung này chỉ được cung cấp cho mục đích thông tin chung, không có bất kỳ đại diện hay bảo đảm nào dưới bất kỳ hình thức nào và cũng không được hiểu là lời khuyên tài chính hay đầu tư. KuCoin sẽ không chịu trách nhiệm về bất kỳ sai sót hoặc thiếu sót nào hoặc về bất kỳ kết quả nào phát sinh từ việc sử dụng thông tin này. Việc đầu tư vào tài sản kỹ thuật số có thể tiềm ẩn nhiều rủi ro. Vui lòng đánh giá cẩn thận rủi ro của sản phẩm và khả năng chấp nhận rủi ro của bạn dựa trên hoàn cảnh tài chính của chính bạn. Để biết thêm thông tin, vui lòng tham khảo Điều khoản sử dụng và Tiết lộ rủi ro của chúng tôi.