新年伊始，万象更新！

感谢读者朋友们一直以来的支持与关注~

本期为大家带来2024年度阿里妈妈技术最受欢迎的10篇文章，欢迎阅读&收藏。愿大家常读常新，常有收获~

新的一年，期待与大家以蓬勃向上的朝气共同进步，以精益求精的匠心稳健成长！

01. 重磅！阿里妈妈新一代反作弊平台「DNA」算法揭秘

? 本文介绍 DNA 平台 DeepString 算法框架的理念，并给出了一些实例示意便于理解。其核心是流批一体的算法框架 DeepString，利用大模型去学习业务自然规律，在无监督场景下也能保障交付效果和时效，同时举一反三，针对风险演变有更强的召回效果。弱化领域经验，新接入场景也能覆盖大部分风险。面对未知风险自动发现异常角度，召回不足时不依赖经验快速迭代。

02. 展示广告预估技术最新突破：基于原生图文信息的多模态预估模型

? 展示广告将预估模型与多模态结合，突破对ID特征的过度依赖，取得近年来模型最大提升。本文中，我们通过设计语义感知的预训练SCL方法，并结合创新的多模态应用算法SimTier及MAKE，构建了基于原生图文信息的多模态预估模型。

03. AIGB：基于生成式模型的自动出价优化新范式

? 2023年4月，我们首次提出AIGB的初步设想与方案。经过一年的深入探索，我们完成了AIGB的完整方案，并在实际在线广告平台大规模预算AB测试中取得了显著效果。值得一提的是，AIGB的研究成果已被KDD 2024大会接收。本文基于KDD公开发表的论文，详细分享这一全新的自动出价优化范式。

04. 展示广告多模态召回模型：混合模态专家模型

? 本文分享我们在展示广告召回模型中将ID模态和内容模态进行融合的探索，提出了混合模态专家模型，并介绍了模型详细设计思路。

05. 阿里妈妈首提AIGB并实现大规模商业化落地，将在NeurIPS 2024正式开源Benchmark

? AIGB 是一种全新的迭代范式，把自动出价问题建模为生成式序列决策问题，这是生成式 AI 在该领域的首次应用。为了激发该领域进一步的技术创新，我们今年发起了“大规模拍卖中的自动出价比赛”，并特别设置了 AIGB 赛道，这一理念得到了 NeurIPS 的认同，阿里妈妈成为国内工业界今年唯一一家获得 NeurIPS 比赛主办权的组织。同时，我们也将在 NeurIPS 2024 上正式开源 AIGB 的 Benchmark：业界首个标准化的大规模模拟竞价系统和大规模博弈数据集。

06. 展示广告预估模型优势特征应用实践

? 优势特征是指预估模型在线无法获取但离线能用于提升模型能力的特征。本文中，我们针对优势特征蒸馏（PFD）问题，提出了准度兼容的listwise蒸馏框架CLID，在提升CTR预估模型排序能力的同时，保持了其预估准度。

07. 乘风破浪，川流入海 —— LLM在阿里妈妈智能文案的应用

? 本文结合广告业务背景，分析了大模型在智能文案上的应用、落地业务难点及挑战，并结合实践经验总结了模型选型过程及方法。

08. 百变背景：万相实验室AIGC电商图片可控生成技术

? 随着AI生成内容（AIGC）技术如Diffusion的飞速进展，大家已能够轻易地使用Stable Diffusion（SD）等文生图的模型或工具，仅凭语言描述（prompt）即转化为具体图像。我们基于SD和一些图像控制模型进一步推出了AI创意生产工具——万相实验室（https://agi.taobao.com/）。本文分享万相实验室可控生成技术方案的设计思路及实践总结。该方案已上线，为广大商家提供了方便高效的智能创意制作能力。

09. CausalMMM：基于因果结构学习的营销组合建模

? 营销组合建模是营销领域的经典问题，用于预测广告商家的总交易量，帮助决策者调整预算分配，传统MMM方法在复杂营销场景下效果仍有提升空间。本文基于因果推断定义CausalMMM问题，从数据中发现可解释的因果结构，并得出更好的GMV预测结果。

10. KDD'25 | 生成式拍卖：感知排列外部性的整页优化机制

? 从“先预估后分配”的判别式方法，到直接面向最终拍卖结果的生成式方法，生成式模型能否为在线广告的拍卖机制优化带来持续增量？本文介绍阿里妈妈展示广告机制策略团队在 AIGA（AI-Generated Auction）方向的前沿探索工作。