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%

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-23

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） 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。

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