KDD 2026｜快手PlatformBid：从单广告主最优到平台全局共赢

在计算广告领域，实时竞价（RTB）是核心范式：当用户在媒体端产生一次曝光机会时，广告交易平台向所有竞争广告主发起竞价请求，广告主通过 DSP 的自动竞价算法实时出价，最高出价者赢得展示。这一过程中，广告主只需设定高层目标（如目标 CPA、预算上限），自动竞价算法便自动完成全部出价决策 —— 它已经成为现代计算广告不可或缺的基础设施。

然而，长期以来自动竞价研究和基准主要停留在 DSP 视角，关注单一广告主的转化最大化。以快手广告系统为代表，真实工业场景中的自动竞价已经运行在统一平台体系内：流量供给、广告主投放和竞价交易相互耦合，自动竞价算法算法不仅要优化单个广告主效果，也需要兼顾多广告主竞争下的平台整体效率与约束稳定性。面向这一问题，快手联合东南大学、南洋理工大学共同提出 PlatformBid—— 业界首个从统一广告平台视角设计的综合自动竞价基准；同时，团队提出了基于 Flow Matching（流匹配）的新方法 BidFlow。相关成果已发表于 KDD 2026。

论文标题：PlatformBid: An Auto-Bidding Benchmark from a Unified Advertising Platform's Perspective
代码仓库：https://github.com/YsTvT/PlatformBid
论文地址：https://arxiv.org/pdf/2607.27265

一、研究背景：被忽视的 "平台视角"

传统自动竞价研究以 DSP 为中心，核心目标是为单个广告主优化竞价策略，使其在竞争中获取更多转化。iPinYou、AuctionNet 等公开基准都沿袭了这一范式：评估单个广告主面对固定历史出价的竞价表现。

但行业格局已根本改变：

平台整合趋势：真实工业广告系统已将 SSP、DSP 和广告交易引擎内部整合，广告主之间的竞价发生在平台内部，而非跨平台的外部竞价；
评估缺位：现有基准无法评估 "当所有广告主同时采用新算法时，平台整体收入和广告主公平性如何变化" 这一关键问题；
竞争动态缺失：AuctionNet 等基准通过顺序替换广告主、回放历史出价来评估，无法捕捉多个广告主同时调整策略时的动态竞争。

单广告主的最优不等于平台全局的最优。从 DSP 视角到平台视角的范式转变正是本工作要解决的核心问题。

二、PlatformBid 基准设计

2.1 问题定义：平台视角的形式化

PlatformBid 首先从统一平台视角重新定义了自动竞价优化问题。与传统 DSP 公式相比，最关键的区别在于显式引入了平台级目标约束 O_l：

其中 O_l 可以要求平台总收入不低于基线策略水平，类似于线上 A/B 测试的要求。竞价策略采用多参数线性出价形式，算法在粗粒度时间间隔（如 30 分钟）更新参数，为复杂算法留出充足计算空间。

2.2 三大评估设置

基于平台实际业务场景，PlatformBid 设计了三个代表性评估设置，准确反映真实世界的自动竞价竞争动态：

设置 1：同质竞争（Homogeneous Competition）

所有 N=48 个广告主部署相同的竞价策略，通过 GSP 拍卖机制竞争曝光。这一设置直接映射线上新算法全量上线场景，评估平台级平均表现，揭示算法是否能实现稳定的市场均衡，还是会引发系统性效率损失（如出价通胀或合谋压价）。

设置 2：异质竞争（Heterogeneous Competition）

将广告主分为两组：N/2=24 个基线广告主使用固定的参考策略（vanilla Decision Transformer），N/2=24 个测试广告主使用待评估算法。这一设置映射线上算法灰度测试场景 —— 新算法仅部署给部分广告主，需要确保测试广告主性能提升的同时不损害基线广告主的表现。

设置 3：促销竞争（Promotional Competition）

模拟大促活动（如黑色星期五）：7 个广告主预算翻倍，所有广告主使用相同算法。分别报告促销广告主、非促销广告主和平台整体指标。这一设置测试两个关键能力：一是促销广告主能否有效利用扩展预算，并在预算提升后仍满足 CPA 约束；二是非促销广告主能否在竞争加剧的环境中维持稳定投放效果。

2.3 评估指标

PlatformBid 采用平台级和广告主级双维度指标体系：

平台级指标：转化量（Conversion）、预算利用率（Budget Utilization）
广告主级指标：CPA 比率（CPA Ratio）、CPA 比率方差（CPA Ratio Variance）、超限率（Exceed Rate）、合格率（Qualified Rate）
综合指标 Score：平衡平台收入与广告主满意度：

该指标反映平台对可持续增长的偏好 —— 通过违反约束获得的高转化会被惩罚，因为这种行为侵蚀广告主信任和平台长期健康。

2.4 数据与实现

PlatformBid 基于 AuctionNet 数据集构建，包含 48 个广告主在多样化预算和 CPA 约束下采集的 480K 训练轨迹，提供 Dense 和 Sparse 两种奖励稀疏度变体。关键扩展在于：从 AuctionNet 的单广告主孤立评估，转变为多广告主共享拍卖环境的交互式模拟。为防止广告主合谋压价损害平台收入，引入了底价机制（设为历史最低成交价的 80%）。

三、BidFlow：基于 Flow Matching 的自动竞价方法

3.1 动机：多模态竞价分布的挑战

在 PlatformBid 的新设置下，现有自动竞价方法表现受限。其根本原因是平台级竞争环境引入了更复杂的市场波动和竞争动态，对建模多模态竞价分布的能力提出了更高要求。

三类现有方法的局限性：

经典控制方法（如 PID）：基于固定数学公式，无法适应复杂市场动态；
强化学习方法（如 BCQ、IQL）：假设单峰动作分布（如高斯策略），难以表达多模态竞价策略；
生成式方法：Decision Transformer 类方法（GAS、GAVE）通常建模确定性或单峰高斯分布；扩散模型类方法（CBD）表达能力虽强，但迭代去噪导致推理速度慢，难以满足竞价系统的延迟要求。

为此，团队提出 BidFlow—— 利用 Flow Matching 的强大分布建模能力，同时通过 Q 值引导蒸馏实现高效单步推理。

3.2 BidFlow 架构

BidFlow 由三个核心组件构成，联合训练：

（1）Critic 网络

通过标准时序差分学习训练，估计状态 - 动作价值：

（2）BC Flow 策略

通过 Flow Matching 训练行为克隆策略，学习速度场将高斯噪声转化为动作：

其中 a_t = (1-t) a_0 + ta 为线性插值。推理时通过 Euler 方法在 M 步内数值求解 ODE 生成动作。

（3）单步策略

将多步 BC Flow 蒸馏为单步策略，同时通过 Q 值最大化实现性能超越：

第一项从 BC Flow 蒸馏知识，第二项最大化 Q 值以超越行为克隆，控制正则化强度。三个组件在每次迭代中联合训练。部署时仅使用单步策略，实现高效推理，无需迭代采样。

3.3 算法流程

算法首先初始化价值网络、目标价值网络、BC Flow 策略和单步策略。每轮从离线数据集中采样，依次完成价值估计、流匹配训练，并通过 Euler 方法生成蒸馏目标，用于优化单步策略。训练过程中持续软更新目标网络，收敛后仅保留单步策略进行在线出价，以兼顾策略性能与推理效率。

四、实验结果与分析

4.1 设置 1：同质竞争 —— 全量部署的全面领先

在 Dense 数据集上，BidFlow 以 348.04 的 Score 显著领先所有基线方法（次优 GAS 为 314.27），同时保持最低的 CPA 超限率（0.25）和最低 CPA 比率方差（0.03）。在 Sparse 数据集上，BidFlow 同样以 30.59 的 Score 取得最佳表现。这表明 BidFlow 在所有广告主采用相同策略的全量部署场景下，能有效平衡广告主目标和平台福利。

4.2 设置 2：异质竞争 —— 灰度测试的稳健表现

在 Dense 数据集上，BidFlow 在平台整体 Conversion（347.96）上表现最佳，且不损害基线广告主表现。但在 Sparse 数据集上，BidFlow 出现性能退化（目标组 Score 35.97 vs DT score 43.91）—— 分析表明这与 DT score 和 DT 基线共享相同 Transformer 骨干、形成低出价合谋均衡有关，而非 BidFlow 本身的架构缺陷。

4.3 设置 3：促销竞争 —— 极端预算不平衡下的泛化

BidFlow 在促销广告主（Dense Score 701.48）和非促销广告主（Dense Score 297.25）上均取得最优表现，平台整体 Score（356.20）领先所有基线。这证明 BidFlow 在预算翻倍的极端条件下仍能有效扩展竞价策略，同时保持对 CPA 约束的严格遵守。

4.4 关键发现：算法演进的复合收益与竞争 - 合作洞察

从 PID 到 BidFlow，算法演进带来了复合收益：

转化提升显著：设置 1 中 BidFlow 较 PID 转化提升 95%，Sparse 数据集提升 3 倍；
方差即竞争强度：CPA 比率方差与整体 Score 呈强负相关。BidFlow 以最低方差实现最高 Score，而 PID 以最高方差表现最差。低方差策略展现 “合作” 特征，使多个广告主同时达标；高方差策略则反映破坏性过度竞争，导致预算耗尽和平台收入下降。

4.5 跨数据集验证：iPinYou

为验证 PlatformBid 的通用性，团队在结构差异显著的 iPinYou 数据集上进行了跨数据集验证。BidFlow 在所有三个设置上均排名第一，进一步确认了 PlatformBid 和 BidFlow 不受特定数据源束缚。

五、线上实验验证

为验证 BidFlow 在真实生产环境中的有效性，团队在快手电商广告场景部署了 BidFlow，与线上最强基线（经过充分调优的 DT 方法 + 专用奖励设计）进行对比。

0.68% 的预期消耗提升不仅证明了 BidFlow 在更复杂的工业场景中的优越性，也验证了 PlatformBid 的离线 - 在线一致性 —— 离线基准结果能有效指导真实世界的自动竞价算法开发。目前 BidFlow 已在快手电商广告场景全量部署。

六、意义与展望

这项工作的价值在于重新定义了自动竞价算法的评估维度：从 "单广告主最优" 走向 "平台全局共赢"。并且借鉴 Flow Matching（流匹配）技术，提出 BidFlow 自动出价算法，增强出价算法的分布建模能力。

PlatformBid 提供了首个平台级自动竞价基准，三种代表性设置（同质、异质、促销竞争）系统覆盖了真实业务场景，让平台级收入与广告主公平性第一次变得可评测、可分析；
BidFlow 利用 Flow Matching 的强大分布建模能力和 Q 值引导蒸馏的高效推理，在大多数设置下达到 SOTA，线上实验验证了其离线 - 在线一致性；
竞争 - 合作洞察揭示了 CPA 比率方差作为竞争强度代理指标的作用 —— 低方差的 "合作型" 策略促进集体福利，为平台算法选择提供了理论指导。

七、团队介绍

快手商业化算法客户机制中心团队负责广告出价、广告投放、品牌广告、综合平台业务、小说业务，致力于构建业界领先的智能投放平台，通过强化学习、生成模型、大模型等技术，带来收入增长。团队成员来自顶尖高校，相关技术成果发表在ICLR/NeurIPS/ICML/KDD/SIGIR/WWW等顶级会议。其中出价相关技术获得NeurIPS 2024广告出价比赛双赛道冠军，推荐技术获得WSDM 2026最佳长文提名奖。

八、热招岗位

广告算法工程师-【客户机制】

职位描述：

构建业界领先的广告智能投放平台，通过强化学习、生成模型、大模型等技术，最大化广告主长短期收益；
重点行业广告匹配、排序算法策略的实现与优化；
客户策略机制设计，包括竞价、分配与客户生态优化等；
广告客户增长、留存与营销效率提升，客户差异化策略产品研发。

任职要求：

熟悉常用的编程语言Python/Java/C++之一，精通数据结构与常用算法；
理解广告算法，业务，技术架构，熟悉常用的广告/推荐模型，具备2年以上搜索广告或展示广告相关经验；
数据驱动，有较强的数据挖掘能力和分析能力；
有广告相关竞价、oCPX出价、召回和效果优化策略相关经验者优先。

加分项：

在顶级学术会议(ICML & NIPS & ICLR, WWW & KDD & SIGIR)上发表过paper。

【快Star】广告大模型算法工程师

职位描述：

探索和打造下一代 AI 驱动的广告生成、推荐与竞价系统。致力于将 AIGC、大语言模型（LLM）、多模态大模型（MLLM）、博弈论以及强化学习（RL）等前沿技术，应用于业务的各个核心环节，提升平台商业效率与用户体验；
参与端到端大模型应用系统的设计与落地，涵盖模型训练、算法优化、系统部署及业务集成；
深入研究大模型在广告创意生成、广告推荐、机制设计、用户建模、Query建模、智能竞价等领域的创新应用；
与业务、产品、系统、平台等多团队紧密合作，在真实超大规模数据和复杂业务场景中打磨技术；
持续跟进行业前沿技术，探索具备商业价值与学术创新的解决方案，推动技术落地与规模化应用。