Adaptive Ad Load Design for Sponsored Search Markets: Evidence, Theory, and Deployment¶

保真度：核心机制复现。原文结论、本地公开数据实验和未复刻部分分开陈述。

论文信息¶

项目	内容
论文链接	arXiv 2607.14418
公司/机构	University of Washington
首次公开日期	2026-07-15（arXiv v1）
原文开源代码	否：原文未提供官方/作者代码（核查日期：2026-08-24）
Adapter	`adaptive-ad-load`
本地复现代码	`src/auto_research/reproductions/adaptive_ad_load/`

原始论文总结¶

背景与主要改动¶

在收入与转化约束下动态决定每次搜索展示多少广告，利用随机现场实验估计供给曲线，再由轻量策略选择 ad load。

flowchart LR
 A["随机现场实验"] --> B["收益/转化估计"] --> C["自适应广告数"]

原论文关键图¶

原论文 Figure 14（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式¶

\[ k^*(x)=\arg\max_k\{R_k(x)+\lambda C_k(x)\} \]

论文离线与线上效果¶

原文的主要线上证据为 revenue +36.80%（66-day randomized field experiment）。论文离线表与线上指标使用私有或论文指定口径，不能与下面的 MovieLens 数字直接比较。

本地复现¶

本地对照口径：基线为共享 transition + content scorer；实验组在相同用户、物品、全库候选和 seed 上只加入 adaptive-ad-load 核心机制，相对 NDCG@10 +0.00%。

MovieLens-100K、220 users / 360 items、seed 42：NDCG@10 0.0540 → 0.0540（+0.00%），Hit@10 0.1091 → 0.1091。验证集只用于选择机制混合权重，测试集没有参与调参。

auto-research reproduce --paper adaptive-ad-load --dataset-dir data --seed 42

固定指标见 metrics/public-seed42.json。

复现边界¶

在 MovieLens-100K 固定全库候选、相同切分和 seed 上执行论文核心机制；公司私有特征、生产基础模型与在线流量不可公开，论文 A/B 数字仅作原文引用。本地实现执行了独立的模型状态和打分路径；它不是把论文名映射到同一个加权公式。未复刻项见 adapter 的 omitted_core_components，本地相对变化不得与原文 A/B 提升混写。