Meta 详解生成式广告模型 GEM 如何扩展模型规模与算力

Meta介绍了新一代生成式广告模型GEM，方向是把不同广告平台、用户信号和转化目标纳入一个中央基础模型；关注价值在于，推荐系统正在借鉴大模型的规模化训练与后训练方法，但广告效果指标仍需区分实验增益和业务归因。

• Meta称新一代GEM覆盖Facebook、Instagram、Reels等广告场景及不同漏斗阶段。
• 官方披露，过去一年该系统带来18.9%的转化提升和12%的广告点击率提升，并分别贡献Facebook、Instagram及站外转化增幅。
• Meta称Kunlun架构支持更高模型复杂度和较长用户互动历史建模。
• 上述效果由Meta披露，具体归因范围、对照组和统计口径决定其可比性，不能直接推导为所有广告主都会获得同等收益。
• 影响/看点：统一模型可能减少多平台单独优化的重复成本，但其成立条件是跨场景数据具有足够迁移性，并能控制隐私、反馈偏差与实时推理成本。
• 资料依据:
• Meta Engineering Blog（2026-10-13）：https://engineering.fb.com/2026/10/13/ml-applications/generative-ads-model-gem-scaling-frontier-ads-ai/

本内容由 AI 生成，仅供参考，请注意甄别