本文研究自然语言生成的评估方法，并通过自动化评估和人工评估的比较，发现词汇重叠是自然语言生成的较好评估指标，而人工评估与自动化评估在排名上存在较大差异，因此呼吁重新考虑自然语言生成的评估目标。

Jan, 2019

研究了如何通过关键词提取，实现在线广告投放中通过短文本查询获得相关广告图片。借助广告图像查询日志，VisualTextRank 算法成功解决了该问题，它通过提取广告文本（或文本增强版本）中的关键词来生成广告图片查询，显著提高了图片搜索准确度达 11%。

Aug, 2021

本研究提出了一种基于用户评论的CTR驱动广告文本生成方法，该方法使用在线A/B测试数据进行对比学习以达到生成更高CTR的广告文本的目的，并针对低资源问题设计了自定义自监督目标。实验结果表明，该方法显著优于当前的方法，并在主要在线度量标准上带来提升。

May, 2022

DeepGen 是一个系统，可以自动创建BingAds客户的赞助搜索广告。它使用自然语言生成模型 (NLG) 从广告主的网页中抽象地生成流利的广告，并解决实际问题，如事实性和推理速度。我们的系统可以根据用户的搜索查询实时创建定制的广告，并使用多元化抽样算法提高生成的多样性。

Aug, 2022

本文概述了过去十年内有关自然语言生成方法在帮助广告商增加他们发布的在线广告数量上取得有效结果的研究动向，从基于模板的、抽取的到使用神经网络的生成方法。讨论了在此过程中出现的关键挑战和方向，包括指标优化、忠实度、多样性、多模式以及基准数据集的发展。

Jun, 2023

广告视频对于互联网电子商务领域至关重要，通过简洁的叙事结构，它们可以将特定产品的影响力扩大到广泛的观众，或者作为提高意识的媒介来引起特定问题的关注。本研究提出了一个多模态多语言的基准模型MM-AU，通过收集来自多个网络来源的超过8.4K个视频（147小时），以三个重要维度（主题分类、感知色调转变和社会信息检测）促进对广告的理解，并通过在广告剧本上应用大型语言模型来探索多个零-shot推理基线。此外，我们证明，在多模态变压器模型中利用音频、视频和文本等多种信号，相比单模态方法，可以提高性能。

Aug, 2023

通过引入重设计任务和构建基准测试集，本文旨在推进自动广告文本生成领域。作者提出了第一个基准数据集CAMERA，并通过多种基线模型的评估实验证明了基准测试集的实用性。此外，文中还讨论了当前任务的现状和未来挑战。

Sep, 2023

广告服务中的创造力是其核心和灵魂。通过AI生成的内容，广告商能够以最小的成本创造大量的创意内容。本文首次提出了一种用于在线平行估计广告和创意排名的新架构，以及相应的离线联合优化模型。在线架构能够进行个性化的创意建模，同时降低总体延迟。CTR估计的离线联合模型允许广告和创意之间进行相互感知和协同优化。我们对比了两种最先进的方法进行了广泛的实验。结果表明，我们的方法在离线评估和真实世界的在线广告平台中都具有响应时间、CTR和CPM方面的有效性。

Dec, 2023

通过使用大型语言模型 (LLMs) 生成与查询相关的回答，并将广告进行整合，该论文调查了LLMs是否可以用作反制生成的原生广告的措施。

Feb, 2024

本文构建了一个综合的中英文双语标杆来评估主流的AI生成文本检测器，并将LLM文本生成划分为创建、更新、删除、重写和翻译五个不同的操作，为各种场景提供优化AI生成文本检测器的关键洞察和改进方向。

Jun, 2024