大模型正在吃掉搜索廣告位，下一代廣告該怎麼做？人大高瓴、斯坦福把拍賣寫進Token生成過程

（來源：機器之心）

搜索結果里但凡出現 AI 摘要，用户點開普通網頁的機率就幾乎腰斬。Pew Research Center 對美國用户在 Google 上大規模瀏覽行為的分析發現：有 AI 摘要時，用户點擊傳統搜索結果的比例從 15%直接暴跌至 8%。[1]

用户正在對話里完成探索和比較，廣告也跟着遷移了過來。OpenAI 已經正式上線 ChatGPT Ads，Google 也將廣告引入了 AI Overviews，他們給回答掛上贊助商的小卡片，直接延續了搜索引擎時代的模式。[2, 3] 但人們獲取信息的範式轉變，讓人不禁開始重新思考廣告的形態：

當信息媒介從整頁搜索結果變成一段實時生成的回答，廣告究竟應該拍賣什麼？

三十年來，在線廣告始終建立在一個默認前提之上：廣告位先存在，拍賣再決定誰獲得它。 搜索結果的名次、信息流中的哪一次展示，都是預先定義好的機會。但大模型的回答是逐字生成的：某個品牌是否適合出現、在哪里出現、用什麼方式介紹，都取決於前面已經寫了什麼。甚至先談價格或是先談體驗，都可能為產品造成完全不同的印象。

圖 1：在生成式信息媒介里，廣告機會在哪出現、由誰獲得、如何呈現，會共同影響營銷效果與用户體驗。

因此，生成不只是填充廣告機會，還在塑造廣告機會。在這個新範式下，已有研究開始探索段落級廣告插入、候選回答競價等拍賣方式，而來自人大高瓴和斯坦福大學的研究團隊，將大模型原生廣告的競爭進一步推進到了逐 Token 的生成過程中。

他們提出的 LAMA，讓內容生成與廣告分配一同演變：每當生成一個 Token，都在實時影響回答怎樣續寫，也在影響最終誰獲得廣告曝光。這就是這項工作提出的核心思路——生成即分配（Generation as Allocation）。

• 標題：Token-Level Advertising

• 作者：Hanbing Liu、Bowei Zhang、Changyuan Yu、Yinyu Ye、Qi Qi

• 單位：中國人民大學高瓴人工智能學院、斯坦福大學

• 鏈接：https://arxiv.org/abs/2608.27382

大模型每寫一個字

都是一次競價過程

把廣告拍賣推進到 Token 級，廣告主爭奪的就不只是最后的曝光機會，還有回答接下來往哪個方向寫。比如，同樣是推薦度假目的地，先談交通還是先談住宿，可能讓不同廣告主在后續競爭中佔據優勢。廣告主也因此多了新的策略空間：不僅可以調整報告來影響當前生成，還可以根據已經寫出的內容，隨時改變后續策略。

這就對機制提出了更高的要求：不僅要讓廣告主在開場時願意提供真實價值信息，還要讓它在生成途中繼續説真話。 同時，回答也不能只顧着迎合出價，偏離用户原本的問題。

LAMA 的全稱是 Latent Advertiser Mixture Auction，即「潛在廣告主混合拍賣」。它讓廣告主針對當前文本，報告「接下來這樣寫，對我有多大價值」，再結合原始語言模型，形成各廣告主偏好的生成策略。平臺據此逐 Token 生成回答，並不斷更新各廣告主最終獲得曝光的概率：新寫出的內容越符合某位廣告主偏好的方向，其分配概率就越高。回答結束后，再按最終概率選出贏家，給予外鏈或贊助卡片等形式的曝光。實際部署時，這些價值報告可以由平臺側模型代為計算，類似今天廣告系統中的自動出價（Auto-bidding）服務。

圖 3：LAMA 的運行過程。在每次 Token 生成的時候順次完成報告、生成、更新，並在答案生成完畢后完成最終的分配和結算。

怎樣防止廣告主利用這個過程「中途變卦」？LAMA 為這套生成過程精心設計了配套的局部報告校驗與支付規則。

校驗關注的是前后報告能否對得上：廣告主對下一步不同寫法的價值判斷，匯總后必須與此前對當前文本的報告一致。平臺每一步只需做一次局部覈對，就能限制廣告主隨意改口。支付則跟着生成過程調整：某一步讓廣告主獲得曝光的概率與后續價值合起來變得更有利，就產生相應費用；變得不利，則提供補貼，再與初始費用一起完成結算。這樣，影響生成、爭取曝光和承擔費用就聯繫在了一起。

這套機制滿足馬爾可夫佔優策略激勵兼容（Markov DSIC）：無論其他廣告主採用什麼可行策略，只要一位廣告主此前如實報告，那麼在任何可達的生成狀態下，繼續如實報告都不會比后續改用其他可行策略更差。也就是説，誠實不僅適用於開場報價，還能貫穿回答的生成過程。

與此同時，LAMA 還有社會福利保證：以廣告價值減去偏離原生回答的懲罰項作為目標，其與理想最優機制的差距有明確的理論上界。這讓機制在追求商業價值的同時，也約束廣告對用户體驗造成的影響。

從每一步怎麼寫，到最終誰獲得曝光、支付多少，LAMA 將它們納入了同一套機制。這正是「生成即分配」的含義。

理論很圓滿

實際效果怎麼樣？

研究團隊選取 Webis Generated Native Ads 2024 數據集中的 1239 條真實商業搜索查詢做概念驗證，覆蓋了三個常見的場景：健身、度假和汽車，每個場景都是一個三廣告主的競爭環境。

實驗使用 Qwen3-14B 作為參考語言模型，通過 LoRA 訓練得到廣告主共享的報告模型。廣告價值來自開源預測模型預測的預估，用户體驗則根據 GEM-Bench 提供的相關性、信息量、流暢連貫、廣告自然度、廣告事實性和侵入性等指標進行綜合評估。基線方法包括生成前后兩種分配方式，搭配原生內容、編輯插入、強化學習策略三種生成方法，以及答案級聚合機制 MOSAIC。

圖 4：主實驗表格

LAMA 在四項指標上都達到了最高，不僅實現了平臺收入（+10.7%）和廣告主價值（+3.8%）的雙贏，而且完全沒有犧牲用户體驗。

來具體看度假場景里的一條查詢：「best beach vacations in the world（世界上最好的海灘度假地）」。不含廣告機制的參考回答只討論目的地和規劃因素；LAMA 生成的回答中，前段出現了 Expedia，后段又出現了 Tripadvisor，生成過程中廣告主不斷交替控制權，但生成的回答依然自然、流暢，並且和參考回答一樣提供了有價值的信息。

圖 5：度假場景中的回答樣本，橙色高亮句是分配給超鏈接的文本區間。

生成結束后，Tripadvisor 的分配概率顯著更高，也在這次回答中被選中為最終贏家。

為什麼是 Tripadvisor？從文字內容看，Expedia 在前半段更像是一個用來引出馬爾代夫、巴厘島和加勒比海等目的地的品牌錨點；提及 Tripadvisor 的句子則直接講清了產品能做什麼：比較目的地、查看遊客評價、篩選住宿與體驗，有着更完整的價值表達。而平臺的分配概率更新敏鋭地捕獲到了這一點。

研究團隊還做了一個直觀的出價擾動實驗：固定其他廣告主報告不變，只把目標廣告主的報告整體從真實值上下調整。結果很符合直覺：報得越高，它貢獻的 Token 比例、分配概率和支付就越高。然而，真實期望效用卻不會無限增大，而是剛好在誠實報告時達到峰值。通過謊報擡價確實能在回答中搶到更多的影響，卻因更高的支付而得不償失，這也正是「激勵兼容」的理論保證提供的性質。

圖 6：生成佔比、分配和支付都隨報告提高而增加，真實期望效用在誠實時達到峰值。

結語

生成式廣告適合出現在哪里？一個自然的落腳點，是用户本來就在尋求商業建議的場景：購物時通過數字導購比較商品、出遊時挑選酒店，或讓智能體選擇日常工作流中使用的付費工具。當商業信息迴應了用户的實際需求、並且有明確的廣告邊界標識，沒有破壞回答的有效客觀事實，它就更有可能被接受。

LAMA 所探索的，正是如何把這種願景下的機制實現出來：讓廣告主在生成過程中競爭，同時用規則約束策略行為、平衡商業價值與回答質量。

過去，拍賣決定誰獲得一個已經存在的廣告位。如今，機制還可以決定廣告機會如何在回答中形成。 從「分配位置」邁向「生成即分配」，LAMA 為大模型原生廣告機制提供了一條新的設計路徑。

作者信息

劉涵冰（第一作者）：中國人民大學高瓴人工智能學院三年級碩士生，導師為祁琦教授，研究方向為生成式人工智能中的智能決策與機制設計，預計2027年畢業。工作發表在WINE、ACL、SIGMOD等頂級會議上。

主頁：https://tokgoleo.github.io/home/

祁琦（通訊作者）：中國人民大學高瓴人工智能學院長聘教授，國家高層次青年人才，CCF 計算經濟學專委副主任委員（執行）兼辦公室主任。博士畢業於斯坦福大學，師從葉蔭宇教授。研究方向包括算法博弈論與機制設計、大模型與智能體、多智能體系統、優化與智能決策等。研究成果大量發表在頂級期刊如 MS, OR, MOR, GEB, TR-B 和 CCF-A 類會議 STOC, ICML, NeurIPS, ICLR, ACL, AAAI, KDD, SIGIR, WWW 等。同時長期與百度、阿里、騰訊、美團、字節、滴滴、華為、OPPO等企業開展深度合作，圍繞在線廣告、智能營銷、優惠券優化和用户增長等核心業務，推動大模型、機制設計與多智能體決策技術在億級用户規模的真實場景中落地。

主頁：https://ai.ruc.edu.cn/szdw/zrjs/qq/index.htm

參考資料

1. Pew Research Center, Google users are less likely to click on links when an AI summary appears in the results, 2025-07-22: https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/

2. OpenAI Help Center, Ads in ChatGPT, accessed 2026-09-04: https://help.openai.com/en/articles/20001047-ads-in-chatgpt

3. Google Ads & Commerce, More opportunities for your business on Google Search, 2025-05-21: https://blog.google/products/ads-commerce/google-search-ai-brand-discovery