본 논문은 대규모 경매 환경을 모델링하기 위해 그래프 표현을 활용하는 확산 기반 자동 입찰 프레임워크를 제안합니다. 이러한 환경에서 에이전트는 주요 성과 지표(KPI) 메트릭으로 정의된 제약 조건 하에서 역동적으로 입찰 전략을 최적화해야 하며, 불확실하고, 드물고, 확률적인 변수로 특징지어지는 경쟁 환경에서 작동해야 합니다. 이러한 과제를 해결하기 위해 학습 가능한 그래프 기반 임베딩과 계획 기반 잠재 확산 모델(LDM)을 결합하는 새로운 접근 방식을 제시합니다. 그래프 표현은 인상 기회의 상호 의존성과 경매 환경의 다중 에이전트 역학의 패턴과 뉘앙스를 포착하여 자동 입찰 결과에 대한 표현력 있는 계산을 가능하게 합니다. 보상 정렬 기술을 사용하여 LDM의 사후 분포를 미세 조정하여 제약 임계값을 충족하는 동시에 KPI 메트릭을 극대화하는 자동 입찰 경로를 생성합니다. 실제 및 합성 경매 환경에 대한 실험적 평가는 여러 일반적인 KPI 메트릭에서 자동 입찰 성능의 상당한 향상과 경매 결과 예측의 정확성을 보여줍니다.
