ARTICLE · 人工智能
快手 PlatformBid：从单广告主最优到平台全局共赢
一语总结本文提出 PlatformBid 基准并用 Flow Matching 方法 BidFlow，突破单广告主最优的局限，实现平台级收益与广告主公平性的共同提升。
文章围绕计算广告的实时竞价（RTB）展开，指出传统研究仅关注 DSP 视角的单广告主优化，忽视平台整体效益。为此，快手联合高校提出 PlatformBid——首个从统一广告平台视角设计的自动竞价基准，并在此基础上研发基于 Flow Matching 的 BidFlow 方法。PlatformBid 包含同质、异质、促销三大评估设置，使用平台级与广告主级双维度指标（Conversion、Budget Utilization、CPA Ratio 等）进行全面评估。实验在 AuctionNet 与 iPinYou 数据集上均显示 BidFlow 在 Score、CPA 超限率等指标上显著领先基线方法，线上部署后实现 0.68% 预期消耗提升，验证了离线‑在线一致性。文章还阐释了竞争‑合作的洞察，即低 CPA 方差对应平台合作型策略，提供了广告平台算法设计的新思路。
- 平台视角的自动竞价基准首次提出。
PlatformBid 将平台整体收入、广告主公平性等约束引入评估，填补了传统 DSP‑中心基准无法衡量多广告主协同效果的空白。
- BidFlow 通过 Flow Matching 实现多模态出价分布建模。
该方法结合 BC Flow 克隆与 Q 值蒸馏，能够在单步推理中高效生成符合平台约束的出价策略，克服了传统强化学习单峰假设的局限。
- 实验验证了 BidFlow 在多种竞争场景下的优势。
在同质、异质、促销三大设置以及跨数据集 iPinYou 上，BidFlow 均取得最高 Score、最低 CPA 超限率，且线上部署提升 0.68% 预期消耗，证明了其离线‑在线一致性。
- 竞争‑合作洞察揭示了 CPA 方差的关键作用。
低 CPA 方差对应平台合作型策略，能够在多广告主竞争中实现整体福利最大化，为平台算法选择提供了理论依据。
快手 PlatformBid：从单广告主最优到平台全局共赢
文章围绕计算广告的实时竞价（RTB）展开，指出传统研究仅关注 DSP 视角的单广告主优化，忽视平台整体效益。为此，快手联合高校提出 PlatformBid——首个从统一广告平台视角设计的自动竞价基准，并在此基础上研发基于 Flow Matching 的 BidFlow 方法。PlatformBid 包含同质、异质、促销三大评估设置，使用平台级与广告主级双维度指标（Conversion、Budget Utilization、CPA Ratio 等）进行全面评估。实验在 AuctionNet 与 iPinYou 数据集上均显示 BidFlow 在 Score、CPA 超限率等指标上显著领先基线方法，线上部署后实现 0.68% 预期消耗提升，验证了离线‑在线一致性。文章还阐释了竞争‑合作的洞察，即低 CPA 方差对应平台合作型策略，提供了广告平台算法设计的新思路。
文章金句
"单个广告主最优，不等于广告平台最优。
"BidFlow 以 348.04 的 Score 显著领先所有基线方法。
"平台全局共赢是自动竞价算法新的评估目标。