大模型正在吃掉搜索广告位，下一代广告该怎么做？人大高瓴、斯坦福把拍卖写进Token生成过程

根据皮尤研究中心对美国用户在谷歌上大规模浏览行为的分析，当搜索结果中出现AI摘要时，用户点击传统网页链接的比例从15%骤降至8%。[1]

用户正逐渐通过对话完成信息探索与比较，广告也随之迁移。OpenAI已正式上线ChatGPT Ads，谷歌也在AI Overviews中引入了广告，通过为回答添加赞助商卡片，延续了搜索引擎时代的模式。[2, 3] 然而，信息获取方式的范式转变，促使人们重新思考广告的形态：

当信息媒介从整页搜索结果变为实时生成的回答，广告究竟应该拍卖什么？

三十年来，在线广告始终基于一个默认前提：广告位先存在，拍卖再决定谁获得它。 搜索结果排名、信息流中的展示机会，都是预先定义好的。但大模型的回答是逐字生成的：某个品牌是否适合出现、在哪里出现、以何种方式介绍，都取决于已生成的内容。甚至先谈价格还是先谈体验，都可能为产品带来截然不同的印象。

图1：在生成式信息媒介中，广告机会在哪里出现、由谁获得、如何呈现，共同影响营销效果与用户体验。

因此，生成不仅是填充广告机会，还在塑造广告机会。 在此新范式下，已有研究探索段落级广告插入、候选回答竞价等方式，而来自中国人民大学高瓴人工智能学院和斯坦福大学的研究团队，将大模型原生广告的竞争进一步推进到逐Token的生成过程中。

他们提出的LAMA，让内容生成与广告分配同步演变：每生成一个Token，都在实时影响回答的续写方向，也影响最终谁获得广告曝光。这就是该工作的核心思路——生成即分配（Generation as Allocation）。

标题：Token-Level Advertising 作者：Hanbing Liu、Bowei Zhang、Changyuan Yu、Yinyu Ye、Qi Qi 单位：中国人民大学高瓴人工智能学院、斯坦福大学链接：https://arxiv.org/abs/2608.27382

大模型每写一个字

都是一次竞价过程

将广告拍卖推进到Token级别，广告主争夺的不只是最终的曝光机会，还有回答接下来往哪个方向写。例如，推荐度假目的地时，先谈交通还是先谈住宿，可能让不同广告主在后续竞争中占据优势。广告主因此获得新的策略空间：不仅可调整报告影响当前生成，还可根据已写内容随时改变后续策略。

这对机制提出了更高要求：不仅要让广告主在开场时提供真实价值信息，还要让它在生成途中持续说真话。 同时，回答不能只顾迎合出价而偏离用户原始问题。

LAMA的全称是Latent Advertiser Mixture Auction，即“潜在广告主混合拍卖”。它让广告主针对当前文本报告“接下来这样写对我有多大价值”，再结合原始语言模型，形成各广告主偏好的生成策略。平台据此逐Token生成回答，并不断更新各广告主最终获得曝光的概率：新生成的内容越符合某位广告主偏好的方向，其分配概率就越高。回答结束后，按最终概率选出赢家，给予外链或赞助卡片等曝光。实际部署时，这些价值报告可由平台侧模型代为计算，类似广告系统中的自动出价（Auto-bidding）服务。

图3：LAMA运行过程。每次Token生成时，顺次完成报告、生成、更新，并在答案生成完毕后完成最终分配和结算。

如何防止广告主利用此过程“中途变卦”？LAMA为这套生成过程设计了配套的局部报告校验与支付规则。

校验关注前后报告是否一致：广告主对下一步不同写法的价值判断，汇总后必须与此前对当前文本的报告一致。平台每一步只需做一次局部核对，就能限制广告主随意改口。支付则随生成过程调整：某一步让广告主获得曝光的概率与后续价值合起来更有利，就产生相应费用；变得不利则提供补贴，再与初始费用一起结算。这样，影响生成、争取曝光和承担费用就联系在了一起。

这套机制满足马尔可夫占优策略激励兼容（Markov DSIC）：无论其他广告主采用何种可行策略，只要一位广告主此前如实报告，那么在任何可达的生成状态下，继续如实报告都不会比后续改用其他可行策略更差。也就是说，诚实不仅适用于开场报价，还能贯穿回答的生成过程。

同时，LAMA还具有社会福利保证：以广告价值减去偏离原生回答的惩罚项为目标，其与理想最优机制的差距有明确的理论上界。这使机制在追求商业价值的同时，约束广告对用户体验的影响。

从每一步怎么写，到最终谁获得曝光、支付多少，LAMA将它们纳入同一套机制。这正是“生成即分配”的含义。

理论很圆满

实际效果怎么样？

研究团队选取Webis Generated Native Ads 2024数据集中的1239条真实商业搜索查询进行概念验证，覆盖健身、度假和汽车三个常见场景，每个场景均为三广告主的竞争环境。

实验使用Qwen3-14B作为参考语言模型，通过LoRA训练得到广告主共享的报告模型。广告价值来自开源预测模型的预估，用户体验则根据GEM-Bench提供的相关性、信息量、流畅连贯、广告自然度、广告事实性和侵入性等指标综合评估。基线方法包括生成前后两种分配方式，搭配原生内容、编辑插入、强化学习策略三种生成方法，以及答案级聚合机制MOSAIC。

图4：主实验表格

LAMA在四项指标上均达到最高，不仅实现平台收入（+10.7%）和广告主价值（+3.8%）的双赢，且完全没有牺牲用户体验。

具体来看度假场景中的一条查询：“best beach vacations in the world（世界上最好的海滩度假地）”。不含广告机制的参考回答仅讨论目的地和规划因素；LAMA生成的回答中，前段出现Expedia，后段又出现Tripadvisor，生成过程中广告主不断交替控制权，但回答依然自然、流畅，并与参考回答一样提供有价值的信息。

图5：度假场景中的回答样本，橙色高亮句是分配给超链接的文本区间。

生成结束后，Tripadvisor的分配概率显著更高，并在这次回答中被选为最终赢家。

为何是Tripadvisor？从文字内容看，Expedia在前半段更像一个引出马尔代夫、巴厘岛和加勒比海等目的地的品牌锚点；提及Tripadvisor的句子则直接阐明产品功能：比较目的地、查看游客评价、筛选住宿与体验，具有更完整的价值表达。平台的分配概率更新敏锐地捕获了这一点。

研究团队还进行了直观的出价扰动实验：固定其他广告主报告不变，仅将目标广告主的报告整体从真实值上下调整。结果符合直觉：报得越高，其贡献的Token比例、分配概率和支付就越高。然而，真实期望效用不会无限增大，而是在诚实报告时达到峰值。通过谎报抬价确实能在回答中抢到更多影响，却因更高支付而得不偿失，这正是“激励兼容”理论保证提供的性质。

图6：生成占比、分配和支付都随报告提高而增加，真实期望效用在诚实时达到峰值。

结语

生成式广告适合出现在哪里？一个自然的落脚点，是用户本来就在寻求商业建议的场景：购物时通过数字导购比较商品、出游时挑选酒店，或让智能体选择日常工作流中使用的付费工具。当商业信息回应了用户实际需求、且有明确的广告边界标识，未破坏回答的有效客观事实时，它更有可能被接受。

LAMA所探索的，正是如何将这种愿景下的机制实现出来：让广告主在生成过程中竞争，同时用规则约束策略行为、平衡商业价值与回答质量。

过去，拍卖决定谁获得一个已经存在的广告位。如今，机制还可以决定广告机会如何在回答中形成。 从“分配位置”迈向“生成即分配”，LAMA为大模型原生广告机制提供了一条新设计路径。开云首页登录｜官方入口与APP指南

作者信息

刘涵冰（第一作者）：中国人民大学高瓴人工智能学院三年级硕士生，导师为祁琦教授，研究方向为生成式人工智能中的智能决策与机制设计，预计2027年毕业。工作发表在WINE、ACL、SIGMOD等顶级会议上。主页：https://tokgoleo.github.io/home/

祁琦（通讯作者）：中国人民大学高瓴人工智能学院长聘教授，国家高层次青年人才，CCF计算经济学专委副主任委员（执行）兼办公室主任。博士毕业于斯坦福大学，师从叶荫宇教授。研究方向包括算法博弈论与机制设计、大模型与智能体、多智能体系统、优化与智能决策等。研究成果大量发表在顶级期刊如MS, OR, MOR, GEB, TR-B和CCF-A类会议STOC, ICML, NeurIPS, ICLR, ACL, AAAI, KDD, SIGIR, WWW等。同时长期与百度、阿里、腾讯、美团、字节、滴滴、华为、OPPO等企业开展深度合作，围绕在线广告、智能营销、优惠券优化和用户增长等核心业务，推动大模型、机制设计与多智能体决策技术在亿级用户规模的真实场景中落地。主页：https://ai.ruc.edu.cn/szdw/zrjs/qq/index.htm

参考资料

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/
OpenAI Help Center, Ads in ChatGPT, accessed 2026-09-04: https://help.openai.com/en/articles/20001047-ads-in-chatgpt
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 本文来自微信公众号“机器之心”，36氪经授权发布。

大模型正在吃掉搜索广告位，下一代广告该怎么做？人大高瓴、斯坦福把拍卖写进Token生成过程

想了解更多全平台覆盖，支持网页端与主流移动APP一键跳转。相关内容，尽在开云首页登录｜官方入口与APP指南。

想了解更多全平台覆盖，支持网页端与主流移动APP一键跳转。相关内容，尽在开云首页登录｜官方入口与APP指南。

2条评论

开云首页登录｜官方入口与APP指南围绕实时更新最新登录指引与安全公告。不断创新，回应用户的真实需求。

关于开云

联系我们

办公地址

电子邮箱