AgenticGen：獎勵引導的廣告影片生成框架
為何重要
AgenticGen 這項技術展示瞭如何透過 Agent 架構與 RLHF（具體為 DPO/GRPO），讓生成式 AI 從單純的視覺產出轉變為能響應商業 ROI 的決策系統，縮小了研究界產出與實際產業應用（如 TikTok Media Buying）之間的鴻溝。對於開發者而言，這證明瞭過程獎勵與結果獎勵整合在複雜業務場景中的有效性；對於投資人而言，這是生成式 AI 落地於高變現流量平臺、且具備可量化指標提升的直接證據。
廣告影片生成不僅是視覺合成，更是受產品條件限制的推理問題。本研究提出名為 AgenticGen 的框架，透過將生成過程拆分為策略選擇與草稿生成兩個階段，引入行銷指標來最佳化模型。
- AgenticGen 利用基於線上商業反饋的績效獎勵，與符合人類品質標準的 rubric 獎勵，並結合 DPO 與 GRPO 演算法進行雙階段政策最佳化。
- 在 TikTok 廣告系統進行線上 A/B 實驗顯示，相比僅使用 SFT 的基線，改進後模型的 CTR 提升 2.72%、CVR 提升 2.63% 以及 Advv（廣告價值）提升 9.61%。