跳转到内容
主站 新闻 控制台

我们如何为 ChatGPT 构建兼顾用户信任与相关性的全新广告技术栈

· OpenAI
OpenAILLM

2026年10月21日

作者:Ritendra Datta 与 Karthik Gopalratnam,技术团队成员(Members of Technical Staff)

传统广告系统通常旨在响应离散的用户意图单元。用户在网上进行搜索或浏览内容,广告系统将这些查询和页面浏览作为事件接收,并基于这些事件寻找匹配的广告。为 ChatGPT 构建广告技术栈(ads stack)则截然不同:用户意图是在对话过程中逐步形成的,并在多轮交互中不断演变,有时甚至根本没有合适的广告展示契机。为了支持这一新范式,我们构建了一套定制的广告投放系统。这种新型广告技术栈基于经过后训练(post-trained)的定制前沿大语言模型(frontier LLM),通过工具调用(tool calls)来完成检索(retrieval,确定候选最优选项)、排序(ranking,预测用户参与度)、相关性评估(relevance,评估广告的有用性),以及运行竞价拍卖以进行最终的广告筛选和定价。

我们的广告系统通过三项关键设计决策来应对用户不断变化的目标所带来的细微差异:1)实现有状态广告会话(stateful ads sessions),即在单次对话的多轮交互及跨多次对话中保留上下文记忆;2)依托基于工具调用架构的后训练定制 LLM,来理解对话的上下文及深层意图,进而高效地筛选、排序并投放广告;3)将广告筛选流程与 ChatGPT 的回答生成流程解耦,作为独立服务运行,以防止广告影响回答内容,并保持 ChatGPT 客观中立的声音。我们使用后训练 LLM 编排(orchestrate)整个广告流程,结合用户的当前轮次与历史对话记录,决定在合适的时间呈现合适的广告。过去,冷启动这样一套具备自我改进能力的广告系统通常需要耗费数年时间,而 ChatGPT 广告在上线不到 200 天的时间内,年化收入运行率(annualized revenue run rate)就达到了 10 亿美元;目前,自上线以来已有超过 100,000 家广告主在 ChatGPT 上投放过广告。

广告应如何在智能体式对话中运作?

常规的广告请求通常始于一个定义明确的事件。用户提交搜索查询或打开网页,广告系统随之接收到请求。这类系统相对简单:检索潜在的候选广告、进行排序、运行竞价拍卖以合理定价,并将最终的广告展示给用户。然而,ChatGPT 并不会自然产生这样一个具象的时刻。

在 ChatGPT 的对话中,用户往往带着特定的目标而来,而非仅仅为了获取某个单一答案的搜索查询。他们可能正在规划旅行、为企业选型软件、布置家居,或是学习一项新爱好。这些需求无法在单轮对话中全部完成,在此过程中,ChatGPT 通常会协助用户逐步明确哪些才是核心考量因素。

举例来说,我们的工程团队曾向 ChatGPT 咨询如何备战跑步比赛:对话始于一个关于跑步的宽泛问题;几轮对话之后,他们询问了适合训练的跑鞋。随着每一个限制条件的加入,对话的商业价值都在发生变化——而这种个性化的上下文会在多次会话中不断演进。如果系统仅根据第一条消息就采取行动,很可能会完全误判意图,进而损害用户体验并对其造成干扰。

构建我们的广告系统,要求我们跳脱出传统请求(req…