阿里妈妈技术年刊 2024 总结
阿里妈妈技术团队在 2024 年深入探索了生成式 AI 在广告领域的应用，并取得了显著成果。年刊涵盖了决策智能、召回/预估模型、智能创意、因果推断、隐私计算和风控技术等多个方面。
决策智能方面，阿里妈妈首次提出了 AIGB（AI-Generated Bidding）范式，将自动出价问题建模为生成式序列决策问题，并通过扩散模型实现大规模商业化落地。实验结果表明，AIGB 在 Max-Return 和 Target Roas 等任务中均取得了显著效果提升，并具有更好的可解释性和多目标兼容能力。
召回/预估模型方面，阿里妈妈推出了基于原生图文信息的多模态预估模型，通过语义感知的对比学习预训练和创新的模态应用算法，显著提升了精排 CTR 模型的性能。此外，还提出了混合模态专家模型，有效融合 ID 模态和内容模态信息，进一步提升用户兴趣建模能力。
智能创意方面，阿里妈妈开源了 FLUX 图像修复及蒸馏加速模型，并推出了筑基砥柱：EcomXL- 万相实验室 AIGC 电商基础模型。这些模型在图像修复、视频生成和电商创意生成等方面展现出强大的能力，并已应用于万相实验室等场景。
因果推断方面，阿里妈妈提出了 CausalMMM 模型，基于因果结构学习进行营销组合建模，并将在 NeurIPS 2024 上正式开源 Benchmark。该模型能够自动发现可解释的因果结构，并预测广告渠道间的因果效应，为广告主提供更可靠的 GMV 预测和广告渠道间因果关系挖掘。
隐私计算方面，阿里妈妈营销隐私计算平台 SDH 已在公用云应用案例分享，通过多方安全计算、联邦学习、差分隐私等技术，解决广告营销场景中数据孤岛和跨域数据流通问题，为广告主提供跨域营销追踪和全域资产分析能力。
风控技术方面，阿里妈妈重磅发布了新一代反作弊平台「DNA」，其核心算法框架 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。
算法工程方面，阿里妈妈揭秘了『AI 小万』背后的 AI Native 工程能力，包括 Multi-Agent 架构体系、基于工具中心的标准化 Tool-Use 能力建设、基于知识库的知识管理标准化以及面向应用迭代的数据飞轮建设等。
总体而言，阿里妈妈技术团队在 2024 年取得了多项技术创新成果，推动了生成式 AI 在广告领域的应用发展，并为广告主提供了更高效、更安全的广告营销解决方案。
