当地时间2026年10月28日,Meta公开三项广告排名体系升级内容。目前平台可实现每秒超十亿条广告的单次展示适配评分,其余两项升级分别为2025年推出的广告推荐基础模型GEM的迭代版本,以及基于大语言模型搭建的生成式推荐模型GenRecs。据Meta披露,今年第二季度,排名系统的优化已经带动Facebook平台广告点击量提升8.3%,转化量上涨15.7%。
Meta广告基础设施、排序及AI基础部门负责人Matt Steiner提到,三项创新形成完整链路,依次覆盖模型依赖的数据层、筛选候选广告的检索系统、最终敲定展示广告的排序模型。用户打开Facebook或Instagram时,平台广告池内有数千万条可投放内容,系统需要在极短时间内选出最终展示项。原有流程先由检索系统Andromeda筛选出用户可能感兴趣的广告短名单,再交由计算密度更高的排序模型选出最终投放的广告。
此前Meta的广告模型训练主要依托广告主、投放计划、创意素材、对应产品的标识符或标签,这类标签随广告内容、投放计划、投放架构持续变动,追踪内容底层概念而非特定ID的训练效率更高。GenRecs替换了原有体系中的ID识别逻辑,大语言模型会读取广告的文本和图片内容,通过语义令牌这一通用构建模块,按品牌、颜色、版型、风格等核心属性标注广告内容,让模型可以识别新广告与存量高转化广告的共性。
这一设计专门用于缓解广告投放的冷启动问题。新广告或新产品上线时没有互动历史数据,模型缺乏判断依据,需要经过一段测试投放周期才能稳定投放效果,语义令牌可以让系统直接调用已有的相似广告、产品数据,缩短新广告的学习周期,不会完全消除冷启动阶段。GenRecs同时支撑新的生成式检索模型运行,这款参数量更小、专为广告检索打造的类大语言模型,会参考用户互动过的广告和自然内容,预测高相关性广告,和原有检索模型并行运行,为排序环节提供新的高质量推荐来源。
Meta同步和英伟达合作完成了Andromeda系统的软硬件升级。此前广告相关信息存储在GPU芯片之外,数据调取过程会造成大量算力闲置,升级后更多广告信息直接存储在GPU本地,减少芯片等待数据的时间,同时检索模型调整为将广告路由至专门的专家模型,提升检索精准度。作为Meta用于训练其他排序模型的基础模型,GEM的参数规模对标通用大语言模型,本身不直接筛选广告,为Facebook、Instagram Reels、站外转化等各个场景的细分排序模型提供能力支撑。新版本GEM规模更大,可读取两倍长度的用户历史行为数据,提升用户兴趣预测准确率,据Meta披露,2025年至今这项调整已经带来约19%的转化提升。
所有升级落地后,广告主不需要调整任何投放设置即可享受优化效果。随着排序模型可以自动高精度完成受众筛选等传统定向操作,人工定向在广告投放中的性能杠杆作用正在持续下降。广告主不需要花费精力在机械操作上和模型比拼效率,调用自动化工具可以更快获得性能提升,模型无法覆盖的策略制定工作,仍需广告主及代理机构完成。
本文首发于 亿邦动力 官方网站
免责声明:本内容全程由AI生成,请注意甄别信息。若存在信息错漏、理解偏差,欢迎随时指正。
如您发现问题,请发送邮件至 ai-content-feedback@ebrun.com 。
文章来源:亿邦动力