RELATE: A Reinforcement Learning-Enhanced LLM Framework for Advertising Text Generation

Created by

Haebom

저자

Jinfang Wang, Jiajie Liu, Jianwei Wu, Ziqin Luo, Zhen Chen, Chunlei Li, Biao Han, Tao Deng, Yi Li, Shuanglong Li, Lin Liu

💡 개요

온라인 광고에서 기존의 텍스트 생성 및 성과 측정 분리 방식은 최적화 목표 불일치와 낮은 효율성을 초래합니다. 본 논문은 생성과 목표 최적화를 통합하는 강화학습 기반의 종단간 프레임워크인 RELATE를 제안합니다. RELATE는 클릭률뿐만 아니라 전환율까지 고려한 다차원 보상을 통해 정책 제약 하에서 고품질의 광고 텍스트 생성을 가능하게 합니다.

🔑 시사점 및 한계

•

텍스트 생성과 성능 최적화를 단일 모델로 통합하여 기존 분리형 시스템의 한계를 극복하고 전역적인 최적화를 달성합니다.

•

클릭률을 넘어 전환율까지 고려한 다차원 보상 설계를 통해 궁극적인 광고주의 가치 증대에 기여합니다.

•

실제 광고 플랫폼에서의 온라인 배포를 통해 통계적으로 유의미한 클릭-전환율 개선을 입증하며 실용성을 검증했습니다.

•

현재 프레임워크가 다루는 보상 함수의 복잡성과 학습 과정의 안정성에 대한 추가적인 연구가 필요할 수 있습니다.

PDF 보기

Made with Slashpage