PlatformBid：统一广告平台视角下的自动出价基准

# PlatformBid：统一广告平台视角下的自动出价基准测试
来源：https://arxiv.org/html/2607.27265
\(2026\)

###### 摘要\.

实时竞价是计算广告的核心，包含三个要素：供应方平台 \(SSP\) 出售广告展示机会，需求方平台 \(DSP\) 代表广告主竞价，以及广告交易平台（Ad Exchange）在二者之间进行拍卖。传统的自动出价算法仅关注 DSP 侧，通过根据竞争对手调整出价来最大化广告主的转化量。然而，当前的大型广告平台，例如社交媒体和电子商务公司，已在内部整合了 SSP、DSP 和广告交易平台的功能。从这些广告平台的角度来看，自动出价算法的目标不仅在于最大化广告主的转化量，还包括最大化平台的总收入。鉴于缺乏以平台为中心的评估框架，以及推进自动出价研究的迫切需求，我们提出了 PlatformBid——首个从统一广告平台视角设计的综合性基准测试。为了准确反映现实世界中的自动出价场景，我们定义了三种代表性设置：(1) 同质竞争（所有广告主采用相同算法）；(2) 异质竞争（广告主采用多样化算法策略）；(3) 促销竞争（部分广告主在如黑色星期五等促销活动期间激增预算以促进销售）。我们系统地评估了这些设置下广泛的现有自动出价方法，涵盖经典控制方法、基于强化学习的方法和最新的生成式方法。除这些方法外，我们进一步提出了一种基于流匹配（flow-matching）的新型自动出价方法，称为 BidFlow，它利用流匹配方法的高表达力策略表示来有效处理动态竞争环境。实验结果表明了我们提出的 BidFlow 在新设置下的有效性。在快手平台上的在线实验进一步显示目标成本提升了 +0.68%，为 PlatformBid 的离线-在线一致性提供了部署证据。¹¹代码可在 https://github.com/YsTvT/PlatformBid 获取。

自动出价，基准测试，流匹配，强化学习，生成模型

††期刊年份：2026 ††版权：cc ††会议：第32届ACM SIGKDD知识发现与数据挖掘会议V.2；2026年8月9-13日，韩国济州岛。††书题：第32届ACM SIGKDD知识发现与数据挖掘会议V.2论文集（KDD 2026），2026年8月9-13日，韩国济州岛††ISBN：979-8-4007-2259-2/2026/08††DOI：10.1145/3770855.3817573††CCS：信息系统 计算广告参见图说明图1.统一广告平台概览。以往的基准测试主要只关注DSP侧。然而，随着统一广告平台集成了DSP和SSP功能，迫切需要从平台角度出发的新基准测试。参见图说明图2.PlatformBid设置与现有以DSP为中心的基准测试的比较。(a) 以DSP为中心的基准测试只优化单个广告主目标，忽略平台级影响。(b) 设置1（同质竞争）：N个具有相同策略的广告主进行动态竞争。(c) 设置2（异质竞争）：N/2个基线广告主（白色）与N/2个测试广告主（黄色）同时竞争。(d) 设置3（促销竞争）：针对特定广告主（黄色）的选择性预算放大模拟促销活动。与以DSP为中心的方法不同，PlatformBid同时考虑广告主和平台层面的目标。

## 1.引言

实时竞价（RTB）已成为计算广告中的主导范式（Muthukrishnan，2009（https://arxiv.org/html/2607.27265#bib.bib23）），显著提升了互联网上的受众互动和销售转化效率。如图1（https://arxiv.org/html/2607.27265#S0.F1）所示，RTB流程如下：当供应方平台（SSP）上因用户活动（例如在媒体应用中观看视频）产生广告展示机会时，广告交易平台（Ad Exchange）会向所有竞争广告主广播出价请求。随后，广告主利用需求方平台（DSP）提供的自动出价服务（Ren等，2018（https://arxiv.org/html/2607.27265#bib.bib24））实时确定出价。广告交易平台选择出价最高者展示广告，并按市场价格向获胜广告主收费，通常在广义第二价格（GSP）拍卖机制中，即为第二名最高出价（Amin等，2012（https://arxiv.org/html/2607.27265#bib.bib25））。这一范式极大简化了广告主的操作，因为他们只需向DSP指定高层次目标和约束（例如，目标CPA、预算限制），使得自动出价算法在现代计算广告中不可或缺。现有的自动出价研究主要采用DSP中心视角（Yuan等，2014（https://arxiv.org/html/2607.27265#bib.bib12）；Wang等，2017（https://arxiv.org/html/2607.27265#bib.bib13）；Zhang等，2014a（https://arxiv.org/html/2607.27265#bib.bib14）；Ou等，2024（https://arxiv.org/html/2607.27265#bib.bib15）），即DSP公司提供算法竞价解决方案，仅优化单个广告主的目标。然而，近期行业的发展已从根本上改变了这一格局。大型媒体和电子商务公司（如Meta、TikTok和快手）的出现和快速增长推动了平台内广告活动的显著增加。因此，这些公司运营着整合了SSP、DSP和广告交易平台功能的统一广告平台。这种结构性转变要求自动出价研究实现范式转移：算法现在必须平衡个体广告主目标（Jin等，2018（https://arxiv.org/html/2607.27265#bib.bib16）；Wen等，2022（https://arxiv.org/html/2607.27265#bib.bib17））与平台级收入优化。

然而，目前仍缺乏从统一广告平台视角设计的评估基准。现有的自动出价研究基准主要集中于DSP中心场景。开创性的工作是iPinYou数据集（Zhang等，2014b（https://arxiv.org/html/2607.27265#bib.bib19）），它提供了来自一个服务于多个广告主、跨多个广告交易平台的DSP的真实RTB日志。基于这一范式，后续工作引入了特征更丰富、规模更大的基准。例如，AuctionNet（Su等，2024（https://arxiv.org/html/2607.27265#bib.bib9））提出了一个包含多种广告主类型和竞争性拍卖动态的大规模基准。然而，所有这些基准仍是为DSP中心的自动出价研究而设计。鉴于推进自动出价研究的迫切需求，我们提出了第一个综合基准，称为PlatformBid，从统一广告平台视角设计。

为了开发一个准确、全面地捕捉平台级自动出价场景本质的基准，我们在PlatformBid中设定了三种代表性设置，如图2（https://arxiv.org/html/2607.27265#S0.F2）(b)所示：(1) 同质竞争。该场景模拟平台范围内部署新的自动出价算法，即所有广告主采用相同策略。这需要评估整体平台收入以及平均广告主表现。我们通过让所有广告主采用相同算法来建模。(2) 异质竞争。平台可能出于不同目的集成多种自动出价算法，这要求既评估平台整体性能，也评估算法间的竞争动态。我们模拟了一半广告主采用基线方法，另一半采用替代方法。该设置评估新算法能否在避免对基线广告主产生不利影响的同时提升平台级性能。(3) 促销竞争。广告平台从诸如黑色星期五等促销活动中获得大量收入，在此期间某些广告主会大幅增加预算以获得更多转化。我们通过选择性地放大特定广告主的预算来模拟这种情况，检验预算不平衡下的自动出价性能。

我们在PlatformBid上系统地评估了三种代表性设置下的广泛自动出价方法。评估的方法包括：(1) 经典控制方法，包括PID控制器（Chen等，2011（https://arxiv.org/html/2607.27265#bib.bib1））；(2) 强化学习（RL）方法，尤其是离线RL方法，如BCQ（Fujimoto等，2019（https://arxiv.org/html/2607.27265#bib.bib2））和IQL（Kostrikov等，2022（https://arxiv.org/html/2607.27265#bib.bib3））；(3) 最先进的生成式方法，包括基于决策Transformer的方法（Chen等，2021（https://arxiv.org/html/2607.27265#bib.bib4）），如GAS（Li等，2024（https://arxiv.org/html/2607.27265#bib.bib6））和GAVE（Gao等，2025（https://arxiv.org/html/2607.27265#bib.bib7）），以及基于扩散的方法（Ajay等，2023（https://arxiv.org/html/2607.27265#bib.bib36）；Janner等，2022（https://arxiv.org/html/2607.27265#bib.bib37）；Liang等，2023（https://arxiv.org/html/2607.27265#bib.bib38）；Zhou等，2023（https://arxiv.org/html/2607.27265#bib.bib39）），包括CBD（Li等，2025（https://arxiv.org/html/2607.27265#bib.bib8））。在这些现有方法之外，我们提出了BidFlow，一种新颖的基于流匹配的自动出价方法，专门设计用于动态竞争环境。BidFlow利用流匹配的高表达力策略表示来有效捕捉广告拍卖的复杂动态，并使用Q值引导的蒸馏将多步流模型蒸馏为高效的一步策略。BidFlow在大多数设置中取得了最佳或具有竞争力的性能，而异质稀疏设置暴露了在极有限反馈下仍然存在的挑战。此外，在快手广告平台上的在线实验结果，例如目标成本提升+0.68%，验证了BidFlow在更复杂工业场景中的有效性，以及PlatformBid的离线-在线一致性，确认了该基准在指导实际自动出价算法开发方面的实用价值。总而言之，本工作的贡献可总结如下：

- •我们提出了PlatformBid，这是第一个从统一广告平台视角设计的综合基准，设定了三种代表性设置——同质竞争、异质竞争和促销竞争。
- •我们评估了包括经典控制方法、RL方法和生成式方法在内的全面自动出价方法，并提出了BidFlow，一种基于流匹配的方法，通过高表达力的策略表示和Q值引导的一步蒸馏实现了优越性能。
- •我们提供了多样基线的广泛分析，并通过在线实验验证了离线-在线一致性，特别是目标成本显著提升+0.68%，确认了PlatformBid在指导实际自动出价算法开发方面的实用价值。

## 2.相关工作

自动出价基准。自动出价算法的系统评估长期以来依赖于专有数据集（Chen等，2011（https://arxiv.org/html/2607.27265#bib.bib1）；He等，2021（https://arxiv.org/html/2607.27265#bib.bib20）；Amin等，2012（https://arxiv.org/html/2607.27265#bib.bib25）），由于缺乏统一标准，限制了方法比较和可复现性。iPinYou数据集（Zhang等，2014b（https://arxiv.org/html/2607.27265#bib.bib19））开创了使用真实RTB日志进行公开基准测试的先河，这些日志来自一个跨广告交易平台服务多个广告主的DSP。然而，它主要关注优化单个广告主目标的DSP中心场景。后续基准在遵循这一范式的同时引入了更丰富的特征和更大的规模——例如AuctionGym（Jeunen等，2023（https://arxiv.org/html/2607.27265#bib.bib10））和AdCraft（Gomrokchi等，2023（https://arxiv.org/html/2607.27265#bib.bib11））——但仍孤立地优化单个广告主策略。AuctionNet（Su等，2024（https://arxiv.org/html/2607.27265#bib.bib9））通过首个大规模公共数据集和相应基准推进了该领域。然而，其评估协议通过重放记录的广告流量，顺序地将广告主替换为固定的历史出价，未能捕捉多个广告主同时调整策略的竞争动态。相比之下，如图2（https://arxiv.org/html/2607.27265#S0.F2）所示，PlatformBid在三种代表性设置中引入了动态的多广告主竞争，能够全面评估个体广告主表现和平台总体收入。

自动出价方法。自动出价算法已通过三种主要范式发展，包括经典控制方法、RL方法和生成式方法。经典控制方法（Chen等，2011（https://arxiv.org/html/2607.27265#bib.bib1）；Zhu等，2017（https://arxiv.org/html/2607.27265#bib.bib26）；Yang等，2019a（https://arxiv.org/html/2607.27265#bib.bib27）；Maehara等，2018（https://arxiv.org/html/2607.27265#bib.bib28）；Yang等，2019b（https://arxiv.org/html/2607.27265#bib.bib29）；Kitts等，2017（https://arxiv.org/html/2607.27265#bib.bib30）；Geyik等，2016（https://arxiv.org/html/2607.27265#bib.bib31）；Lin等，2016（https://arxiv.org/html/2607.27265#bib.bib33）），如PID控制器（Chen等，2011（https://arxiv.org/html/2607.27265#bib.bib1）），通过反馈控制机制提供基本自动化，但缺乏对复杂市场动态的适应性。强化学习方法（Pan等，2020（https://arxiv.org/html/2607.27265#bib.bib34）；Sutton和Barto，2018（https://arxiv.org/html/2607.27265#bib.bib35）；Li等，2026（https://arxiv.org/html/2607.27265#bib.bib47）；Yang等，2026（https://arxiv.org/html/2607.27265#bib.bib46））显著推动了该领域的发展。在线算法如USCB（He等，2021（https://arxiv.org/html/2607.27265#bib.bib20））和MAAB（Wen等，2022（https://arxiv.org/html/2607.27265#bib.bib17））通过直接环境交互优化出价策略，而离线方法包括BCQ（Fujimoto等，2019（https://arxiv.org/html/2607.27265#bib.bib2））和IQL（Kostrikov等，2022（https://arxiv.org/html/2607.27265#bib.bib3））通过从历史日志中学习来提高样本效率，且无需进行有风险的在线探索。生成式方法（Ni等，2023（https://arxiv.org/html/2607.27265#bib.bib41）；Fu等，2020（https://arxiv.org/html/2607.27265#bib.bib42）；Dong等，2024（https://arxiv.org/html/2607.27265#bib.bib43））提供了强大的序列建模能力。Decision Transformer（Chen等，2021（https://arxiv.org/html/2607.27265#bib.bib4）；Liu等，2023（https://arxiv.org/html/2607.27265#bib.bib40））将出价建模为条件序列生成，避免了价值函数估计的不稳定性。GAS（Li等，2024（https://arxiv.org/html/2607.27265#bib.bib6））通过使用多个评论家网络进行训练后搜索扩展了这一方法，而GAVE（Gao等，2025（https://arxiv.org/html/2607.27265#bib.bib7））引入了价值引导的e