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，引入了地板价机制（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