智能投放:让每一份算力更高效地服务广告——Meta工程
5 天前 1 阅读来源:engineering.fb.com
AI 中文改写
原文为英文,由 AI 改写为中文报道,内容完整。如需参考原文请点击下方链接
Meta(Facebook母公司)的广告系统正在面临一个越来越尖锐的矛盾:广告排序模型的参数规模正朝着大语言模型(LLM)的级别膨胀,但底层硬件的算力增长速度远远跟不上。同样一份算力,投给不同的广告请求、不同的模型、不同的芯片,产出效果可能天差地别。问题在于,如何判断把算力放在哪里,才能让整个系统获得最优结果。为此,Meta工程团队构建了一套名为Intelligent Delivery(智能投放)的机器学习驱动系统,在服务链路上跨层调配资源,逼近系统全局最优。据Meta披露,从2017年到2026年上半年,在模型和系统自身迭代的基础上,这套系统额外贡献了约10%的广告排序性能提升。
这套系统要解决的核心难题有三个。第一,算力的边际收益高度异质且依赖上下文:同样一份额外算力,投在哪个产品界面、面对什么用户意图、候选广告质量如何、系统当前处于什么状态,回报可能截然不同,仅靠请求侧信号远远不够,必须对每个请求估算每一个可调系统参数的回报,并在毫秒级时间内完成海量决策空间的计算。第二,局部最优不等于全局最优:广告投放横跨多阶段排序、数百个模型、多代硬件和多个数据中心,资源无法在这些边界之间随意可靠地迁移,需要能感知复杂依赖关系的自适应控制机制。第三,全局最优是个移动靶:每上线一个新模型、新一代硬件或新架构,优化地形就会改变,此前的最优分配决策可能瞬间失效,系统必须足够快地适应以维持最优性。
针对这三大挑战,Intelligent Delivery分别设计了三项能力,其中之一是“请求理解”——一个共享的机器学习智能层,用于预测算力的边际效用。Meta表示,这套系统正越来越多地引入智能体式AI(agentic AI),持续检测系统变化并自动响应。对跨境电商卖家和出海从业者而言,这意味着Meta广告系统的资源分配正变得更加自动化和精细化:同样的广告预算,系统会动态判断在哪个环节多投入算力能带来更高回报,卖家的投放效果差异可能更多取决于系统对请求价值的判断,而非单纯加预算。理解这一底层逻辑,有助于卖家更理性地看待Meta广告的投放波动和优化空间。
这篇文章对你有帮助吗?
觉得有用?分享给更多人
留言 · 0 条
暂无留言,来说两句吧
