Компьютерные науки > Машинное обучение [представлено 23 октября 2026 года] Название: " Обновление обучения для контрольных параметров в системе автоматизированной обработки данных на сайте PDF HTML (экспериментальный) резюме: системы проведения торгов в онлайновой рекламе должны обеспечивать баланс между конкурирующими целями и максимальным выделением бюджетных средств при сведении к минимуму расходов на проведение различных кампаний в условиях нестационарного рынка. Этот компромисс изменяется в течение всего срока осуществления кампании: на раннем этапе оптимизация затрат будет доминировать, когда бюджет переносится; при приближении сроков исполнение бюджета становится неотложным. В то время как регуляторы PID широко используются в производстве для обеспечения их устойчивости и интерпретируемости, фиксированные настройки не могут адаптироваться к различным кампаниям и изменениям в структуре движения. Мы представляем RLBP (Reinforcement Learning for Bidding Conferences) — гибридную архитектуру, развернутую в Pinterest и использующую RL как мета-контролер для ежедневного отбора параметров PID для конкретной кампании при сохранении PID с целью корректировки высокочастотных предложений. RLBP осуществляет подготовку многоуровневой сети Q-с использованием формулы вознаграждения за относительные перевозки, которая нормализуется по отношению к исходному уровню производства и позволяет производить слияние в режиме " догадки &qt; , которое корректирует компромисс между…
Повышение эффективности обучения контрольным параметрам в системе самообменов по интересам
arXiv:2610.33248v1 Аннонс Тип: новое резюме: системы автоматического проведения торгов в онлайновой рекламе должны обеспечивать баланс между конкурирующими целями и максимальным выделением бюджетных средств при сведении к минимуму расходов на проведение многообразных кампаний в условиях нестационарного рынка. Этот компромисс изменяется в течение всего срока осуществления кампании: на раннем этапе оптимизация затрат будет доминировать, когда бюджет переносится; при приближении сроков исполнение бюджета становится неотложным. В то время как регуляторы PID широко используются в производстве для обеспечения их устойчивости и интерпретируемости, фиксированные настройки не могут адаптироваться к различным кампаниям и изменениям в структуре движения. Мы представляем RLBP (Reinforcement Learning for Bidding Conferences) — гибридную архитектуру, развернутую в Pinterest и использующую RL как мета-контролер для ежедневного отбора параметров PID для конкретной кампании при сохранении PID с целью корректировки высокочастотных предложений. RLBP обеспечивает подготовку многоглавной сети Q-с использованием относительной компенсационной формулы, приведенной в соответствие с исходным уровнем производства, и осуществляет индуктивное синтезирование времени, которое адаптируется