摘要
针对现有 AI 生成出价（AIGB）范式受限于离线数据模式覆盖不足及任务状态理解欠缺的问题，本文提出 AIGB-R1，一种利用大语言模型推理能力的分层自进化自动出价框架。该框架包含负责宏观策略规划的高层规划器与负责细粒度决策的低层执行器。通过设计经验驱动的自进化循环，系统能从累积经验中自主探索并优化策略。此外，文章提出了去耦组相对策略优化（D-GRPO）算法以实现端到端优化。在大规模公共数据集上的实验证实了该方法的有效性。
AI 推荐理由
论文提出自进化框架，核心在于基于经验的自主策略探索与优化循环。
研究机构
Gaoling School of Artificial Intelligence, Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China
Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China
Alibaba Group, Beijing, China
论文信息