Article · SaaS & dev
Faire cohabiter plusieurs objectifs dans une politique générative
UniPolicy découple les politiques conditionnées par objectif au lieu de fusionner naïvement des récompenses concurrentes.
Un score unique mélange les priorités
Une plateforme de recherche doit équilibrer pertinence, probabilité de clic et valeur commerciale. Kun Yao, Yuhang Zhou, Yichi Zhang et leurs coauteurs étudient le risque de laisser ces objectifs concurrents se fondre dans une seule politique générative.
Des politiques conditionnées par objectif
UniPolicy utilise des tokens de préfixe propres à chaque objectif, un routage sparse MoE-LoRA et des FFN résiduels spécialisés. Le backbone reste partagé, mais l'espace des paramètres et celui de l'expression de la politique sont partiellement différenciés. Les préférences sont construites à partir de signaux multi-étapes : clic, exposition et absence de clic.
À l'inférence, plusieurs recherches beam peuvent fonctionner en parallèle, avec une allocation de quotas sous budget de retrieval fixe. Cette structure rend le compromis explicite et ajustable.
Résultats rapportés
Le résumé rapporte, dans un test A/B en ligne de sept jours, une hausse de 0,71 % du CTR, de 1,58 % du RPS et de 1,32 % du revenu publicitaire, avec une latence stable. Les expériences hors ligne dépassent des baselines à objectif unique et de fusion naïve des récompenses.
Interprétation éditoriale : expliciter qui gagne quand les objectifs se contredisent
Pour un agent métier, il est préférable de garder des politiques ou modes explicitement nommés plutôt qu'un score global impossible à auditer. Chaque action devrait exposer l'objectif prioritaire, les objectifs protégés et le budget consommé. Le réglage peut alors être revu sans réentraîner tout le système.
Limites et statut de la source
Les chiffres en ligne dépendent d'un système publicitaire réel et d'une fenêtre de sept jours. Un gain commercial ne mesure pas à lui seul la qualité utilisateur ou l'équité. Le document est un preprint ArXiv.
Source
Kun Yao, Yuhang Zhou, Yichi Zhang, Zeliang Tong, Shengri Xue, Haitao Wang, Siyu Lu, Qianlong Xie et Xingxing Wang, « UniPolicy: Unified Objective-Specific Policies for Generative Search Advertising », ArXiv 2609.20630v1 : résumé et preprint, PDF.