KDD 2026｜快手PlatformBid：从单广告主最优到平台全局共赢
在计算广告领域，实时竞价（RTB）是核心范式：当用户在媒体端产生一次曝光机会时，广告交易平台向所有竞争广告主发起竞价请求，广告主通过 DSP 的自动竞价算法实时出价，最高出价者赢得展示。这一过程中，广告主只需设定高层目标（如目标 CPA、预算上限），自动竞价算法便自动完成全部出价决策 —— 它已经成为现代计算广告不可或缺的基础设施。
然而，长期以来自动竞价研究和基准主要停留在 DSP 视角，关注单一广告主的转化最大化。以快手广告系统为代表，真实工业场景中的自动竞价已经运行在统一平台体系内：流量供给、广告主投放和竞价交易相互耦合，自动竞价算法算法不仅要优化单个广告主效果，也需要兼顾多广告主竞争下的平台整体效率与约束稳定性。面向这一问题，快手联合东南大学、南洋理工大学共同提出 PlatformBid—— 业界首个从统一广告平台视角设计的综合自动竞价基准；同时，团队提出了基于 Flow Matching（流匹配）的新方法 BidFlow。相关成果已发表于 KDD 2026。
论文标题：PlatformBid: An Auto-Bidding Benchmark from a Unified Advertising Platform's Perspective
代码仓库：https://github.com/YsTvT/PlatformBid
论文地址：https://arxiv.org/pdf/2607.27265
一、研究背景：被忽视的 "平台视角"
传统自动竞价研究以 DSP 为中心，核心目标是为单个广告主优化竞价策略，使其在竞争中获取更多转化。iPinYou、AuctionNet 等公开基准都沿袭了这一范式：评估单个广告主面对固定历史出价的竞价表现。
但行业格局已根本改变：
平台整合趋势：真实工业广告系统已将 SSP、DSP 和广告交易引擎内部整合，广告主之间的竞价发生在平台内部，而非跨平台的外部竞价；
评估缺位：现有基准无法评估 "当所有广告主同时采用新算法时，平台整体收入和广告主公平性如何变化" 这一关键问题；
竞争动态缺失：AuctionNet 等基准通过顺序替换广告主、回放历史出价来评估，无法捕捉多个广告主同时调整策略时的动态竞争。
单广告主的最优不等于平台全局的最优。从 DSP 视角到平台视角的范式转变正是本工作要解决的核心问题。
二、PlatformBid 基准设计
2.1 问题定义：平台视角的形式化
PlatformBid 首先从统一平台视角重新定义了自动竞价优化问题。与传统 DSP 公式相比，最关键的区别在于显式引入了平台级目标约束 O_l：
其中 O_l 可以要求平台总收入不低于基线策略水平，类似于线上 A/B 测试的要求。竞价策略采用多参数线性出价形式 
，算法在粗粒度时间间隔（如 30 分钟）更新参数，为复杂算法留出充足计算空间。
2.2 三大评估设置
基于平台实际业务场景，PlatformBid 设计了三个代表性评估设置，准确反映真实世界的自动竞价竞争动态：
设置 1：同质竞争（Homogeneous Competition）
所有 N=48 个广告主部署相同的竞价策略，通过 GSP 拍卖机制竞争曝光。这一设置直接映射线上新算法全量上线场景，评估平台级平均表现，揭示算法是否能实现稳定的市场均衡，还是会引发系统性效率损失（如出价通胀或合谋压价）。
设置 2：异质竞争（Heterogeneous Competition）
将广告主分为两组：N/2=24 个基线广告主使用固定的参考策略（vanilla Decision Transformer），N/2=24 个测试广告主使用待评估算法。这一设置映射线上算法灰度测试场景 —— 新算法仅部署给部分广告主，需要确保测试广告主性能提升的同时不损害基线广告主的表现。
设置 3：促销竞争（Promotional Competition）
模拟大促活动（如黑色星期五）：7 个广告主预算翻倍，所有广告主使用相同算法。分别报告促销广告主、非促销广告主和平台整体指标。这一设置测试两个关键能力：一是促销广告主能否有效利用扩展预算，并在预算提升后仍满足 CPA 约束；二是非促销广告主能否在竞争加剧的环境中维持稳定投放效果。
2.3 评估指标
PlatformBid 采用平台级和广告主级双维度指标体系：
平台级指标 ：转化量（Conversion）、预算利用率（Budget Utilization）
广告主级指标 ：CPA 比率（CPA Ratio）、CPA 比率方差（CPA Ratio Variance）、超限率（Exceed Rate）、合格率（Qualified Rate）
综合指标 Score ：平衡平台收入与广告主满意度：