2026年-DataFun：互联网广告场景下的大模型应用挑战与实践V2-AI大模型应用.pptxVIP

互联网广告场景下的大模型应用挑战与实践

1内容域⼴告预估挑战与⼤模型应⽤机会

2全域⾏为利⽤：商品内容统⼀表征框架COPE

3外部知识利⽤：LLM知识迁移框架LEARN

CONTENTS

•问题2：⼴告推荐模型缺乏外部知识和推理迁移能⼒

封闭单⼀的⾏为数据利⽤并推荐的闭环模式，⼴告推荐模型容易陷⼊局部最优，⽤户接受的信息容易陷⼊信息茧房。

•问题1：跨场景跨媒介⾏为数据难以全域充分利⽤

⽤户⾏为散落在【场景x媒介】矩阵上，⼴告⾏为稀疏且分散，⽣命周期不⼀，⽆法打通和⾼效累积。

图文

短视频

直播

商详页

落地页

自然作品

广告作品

电商作品

内容与商品生态

内容域⼴告预估挑战与⼤模型应⽤机会

推荐

搜索

广告

⽤户

1内容域⼴告预估挑战与⼤模型应⽤机会

2全域⾏为利⽤：商品内容统⼀表征框架COPE

3外部知识利⽤：LLM知识迁移框架LEARN

CONTENTS

多模态信息刻画商品内容

特性：以SPU为基础，结合商品在不同场景中的展现形式，全⾯压缩商品内容多模态本征信息。

优势：全⾯的商品内容理解，具有语义的压缩表征，增强同品多模态特征鲁棒性，扩展⽤户序列，进⼀步降低对单⼀场景的⾏为数据的依赖，缓解⼴告物料⾏为稀疏导致兴趣建模不充分问题。

打通商品全域⾏为

特性：刻画商品本征属性