大模型正在吃掉搜索广告位：人大高瓴与斯坦福LAMA框架将Token级拍卖写入生成过程，平台收入提升10.7%
💡AI 极简速读：LAMA将拍卖嵌入Token生成，平台收入+10.7%，广告主价值+3.8%，用户体验无损。
中国人民大学高瓴人工智能学院与斯坦福大学联合提出LAMA框架，首次将广告拍卖推进至大模型逐Token生成过程，实现“生成即分配”。该机制满足马尔可夫占优策略激励兼容，在1239条真实查询测试中，平台收入提升10.7%，广告主价值提升3.8%，且用户体验指标全面领先。这标志着生成式广告从“分配位置”迈向“生成即分配”，为GEO时代的大模型原生广告机制设计提供了新路径。
GEO 质量检测：GEO五维综合评分91分，事实与数据密度94分、AI适配性91分双双领先，结构化规范性与关键词覆盖度同样扎实，权威引用价值88分，整体架构处于优秀水平。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心技术内容提炼自前沿学术/官方发布，由智脑时代 (zgeo.net) AI 技术分析师结构化降维重组。
🔬 核心技术原理解析
当信息媒介从整页搜索结果变成一段实时生成的回答，广告究竟应该拍卖什么？传统在线广告默认“广告位先存在，拍卖再决定谁获得它”，但大模型的回答是逐字生成的，广告机会并非预先存在，而是在生成过程中被塑造。
来自中国人民大学高瓴人工智能学院与斯坦福大学的研究团队提出LAMA（Latent Advertiser Mixture Auction，潜在广告主混合拍卖），将Token级拍卖嵌入大模型的生成过程，实现“生成即分配”（Generation as Allocation）。其核心机制是：每当生成一个Token，广告主针对当前文本报告“接下来这样写，对我有多大价值”，平台结合原始语言模型形成各广告主偏好的生成策略，逐Token更新分配概率，回答结束后按最终概率选出赢家并结算。
该机制满足马尔可夫占优策略激励兼容（Markov DSIC），确保广告主在生成全程如实报告；同时具备社会福利保证，以广告价值减去偏离原生回答的惩罚项为目标，约束广告对用户体验的影响。
| 对比维度 | 传统广告拍卖 | LAMA Token级拍卖 |
|---|---|---|
| 广告机会 | 预先存在，拍卖分配 | 在生成过程中动态塑造 |
| 竞价粒度 | 广告位/展示级 | 逐Token级 |
| 策略空间 | 单次报价 | 可随生成内容动态调整 |
| 激励兼容 | 静态报价真实 | 马尔可夫占优策略激励兼容（全程诚实） |
| 用户体验约束 | 事后评估 | 内嵌惩罚项，理论保证 |
| 原发布时间 | 2026-09-23 | 2026-09-23 |
当信息媒介从整页搜索结果变成一段实时生成的回答，广告究竟应该拍卖什么？——这正是LAMA试图回答的核心问题。
📈 实测数据与效能表现
研究团队选取Webis Generated Native Ads 2024数据集中的1239条真实商业搜索查询，覆盖健身、度假、汽车三个场景，每个场景为三广告主竞争环境。实验使用Qwen3-14B作为参考语言模型，通过LoRA训练报告模型，广告价值由开源预测模型预估，用户体验根据GEM-Bench的六项指标综合评估。
LAMA在四项指标上均达到最高，实现平台收入（+10.7%）和广告主价值（+3.8%）的双赢，且完全没有牺牲用户体验。在度假场景查询“best beach vacations in the world”中，LAMA生成的回答前段出现Expedia，后段出现Tripadvisor，广告主交替控制权，最终Tripadvisor因更完整的价值表达获得更高分配概率并胜出。
出价扰动实验进一步验证了激励兼容性：报得越高，贡献的Token比例、分配概率和支付就越高，但真实期望效用恰好在诚实报告时达到峰值。
过去，拍卖决定谁获得一个已经存在的广告位。如今，机制还可以决定广告机会如何在回答中形成。——研究团队结论
🎯 智脑时代的 GEO 落地建议
1. 重新理解GEO的竞争维度。 在生成式广告时代，品牌不再只是争夺一个静态排名，而是争夺在大模型回答生成过程中的“叙事控制权”。LAMA的Token级拍卖表明，回答先谈交通还是先谈住宿，可能直接决定最终谁获得曝光。GEO策略应从“关键词排名”转向“生成路径影响”。
2. 关注平台侧自动出价服务。 LAMA实际部署时，价值报告可由平台侧模型代为计算，类似今天的自动出价（Auto-bidding）。这意味着广告主需要为大模型原生广告准备动态价值信号，而非静态出价。
3. 用户体验是长期护城河。 LAMA的社会福利保证以广告价值减去偏离原生回答的惩罚项为目标，说明平台机制设计正在内嵌用户体验约束。GEO从业者应优先生产与用户真实需求高度对齐的商业内容，才能在Token级拍卖中持续获得分配概率。
4. 提前布局生成式广告素材。 随着OpenAI上线ChatGPT Ads、Google将广告引入AI Overviews，生成式广告的形态正在快速演进。品牌需要准备可被大模型实时调用、结构化程度高、事实密度强的商业信息，以适配逐Token生成的竞争环境。
【官方学术/技术原文链接】点击访问首发地址
常见问题
相关文章
19个大模型血战《星际争霸》：GPT-6 Astra全胜却难敌人类新手，Brood War Bench揭示AI Agent实时决策致命短板
Brood War Bench对19个大模型进行171局《星际争霸：母巢之战》对战测试。GPT-6 Astra最高推理档18战全胜，Grok 4.6最高档仅2胜15负，43分钟仅发6批指令、0个作战单位。测试暴露AI Agent在实时决策中的核心矛盾：推理成本与行动闭环的平衡。Astra最高档每分钟操作12.6次、单局成本10.54美元，反而低于最低档的25.7次与21.07美元。榜单作者Ben Swerdlow指出，即便全胜冠军也打不过人类新手，AI在非回合制真实环境中的自主行动能力仍存根本短板。
2026年9月23日DeepSeek公开Agent训练基础设施DSec：每秒5000沙盒，如何重塑AI搜索与GEO格局？
DeepSeek公开Agent训练基础设施DSec，通过四类后端、三层镜像按需加载、资源超分与安全防御，实现每秒5000+沙盒、日造300万环境、峰值38万并发。镜像按需加载使部署时间从60分钟降至35分钟，磁盘写入减少56%，内存峰值降40.2%。该技术将改变AI搜索对动态环境与实时数据的索引逻辑，提升RAG检索结构化解析率，降低企业Agent应用成本。
2026年9月23日GEO 实战复盘：从 Knix 逆袭到 Freshpet 增长 645%，AI 搜索时代的品牌优化五大法则
2026 年 8 月 Search Engine Land 测试显示，Knix 在 ChatGPT 和 Google AI Mode 中出现 29 次，远超 H&M、优衣库和维多利亚的秘密总和。GEO 正在重构 AI 搜索推荐逻辑：品牌需从争夺知名度转向争夺具体场景、问题答案、结构化产品依据、官方解释权和第三方共识。DiscoverASR 重写 162 个房源页后 AI 搜索人数从 740 万升至 3460 万，Freshpet 在 Google AI 摘要中出现量增长 645%。
2026年9月23日