एआई-आधारित विज्ञापन सामग्री के लिए वॉल्यूम नियंत्रण

लोकप्रिय एआई का ‘हनीमून’ दौर अभी पूरी तरह खत्म नहीं हुआ है। इसकी तुलना Netflix के स्वर्णिम दौर से लेकर स्ट्रीमिंग सेवाओं के मौजूदा बिखराव और व्यावसायीकरण तक के सफर से करें, तो यह लगभग 2019 जैसा है। अब स्थापित दिग्गज OpenAI को अच्छी-खासी आर्थिक ताकत वाले प्रतिस्पर्धियों से कड़ी चुनौती मिल रही है। इनमें से किसी ने भी इतनी निर्णायक बढ़त हासिल नहीं की है कि वह अपने चंचल उपयोगकर्ता आधार पर विज्ञापन थोपने का जोखिम उठा सके।

इसी तरह, ChatGPT फिलहाल चैट के भीतर विज्ञापन केवल Free और Go उपयोगकर्ताओं तक सीमित रखता है; Gemini के विज्ञापन केवल AI Overviews और AI Mode में दिखाई देते हैं; Perplexity ने पिछले जाड़े में विज्ञापन देने की अपनी योजनाएँ छोड़ दीं; xAI में किसी समय विज्ञापन शुरू होने की योजना है; Microsoft Copilot में विज्ञापन पहले से मौजूद हैं; और Claude इस संभावना को सिरे से खारिज करता है।

लेकिन हम जानते हैं कि यह स्थिति कायम नहीं रह सकती। जैसे-जैसे अनुमान-प्रक्रिया की वास्तविक लागत स्पष्ट होती जाएगी और एआई कंपनियों के आसन्न आईपीओ के साथ शेयरधारकों का दबाव बढ़ेगा, इतिहास के संकेतों के अनुसार हम यह उम्मीद कर सकते हैं कि अंततः हमें LLM के आउटपुट की जाँच शुरू करनी पड़ेगी, ताकि विज्ञापन-आधारित सामग्री को गैर-व्यावसायिक सामग्री से अलग पहचाना जा सके।

इसे 11 तक बढ़ाना

विज्ञापन कितने वैयक्तिकृत होंगे या किन जनसांख्यिकीय समूहों को लक्षित किया जाएगा, इन सवालों के अलावा, प्रदाताओं को व्यावसायिक सामग्री के एकीकरण की सीमा और प्रकार पर भी विचार करना होगा।

यह आसान नहीं है: विज्ञापन बहुत कम स्पष्ट हों, तो उपयोगकर्ता तो अधिक बने रहते हैं, लेकिन अधिक मूल्य देने वाले विज्ञापनदाता हाथ से निकल जाते हैं। वहीं, विज्ञापन सामग्री को अधिक गहराई से शामिल करने पर विज्ञापन के खुलासे से जुड़े नियमों को दरकिनार किया जा सकता है। इससे बेहतर विज्ञापन अनुबंध मिल सकते हैं, लेकिन विवाद और अन्य नकारात्मक नतीजे भी सामने आ सकते हैं।

इसके अलावा, अलग-अलग स्तरों पर आधारित विज्ञापन प्लेटफ़ॉर्म में ‘वॉल्यूम’ और एकीकरण के अलग-अलग स्तरों की आवश्यकता हो सकती है, हालाँकि LLM के पैरामीटरों को मापना काफ़ी कठिन है। उदाहरण के लिए, LLM के आउटपुट में विज्ञापनों के लिए एक तरह का ‘वॉल्यूम नियंत्रक’ बनाने की पहले की एक योजना में, माप के लिए इस्तेमाल होने वाले शब्द सचमुच चैट में शामिल हो गए थे:

नए शोधपत्र में पुराने ‘वॉल्यूम नियंत्रक’ तरीके के लेबल का तैयार किए गए पाठ में आ जाने का एक उदाहरण। स्रोत

ऊपर दिया गया उदाहरण एक नए शोधपत्र* से लिया गया है, जो LLM-आधारित विज्ञापन से जुड़े दो अहम मुद्दों पर काम करता है: चैटबॉट के जवाबों में विज्ञापन कितनी प्रमुखता से दिखाई देते हैं, इसे नियंत्रित करना, और यह पहचानना कि उन जवाबों के कौन-से हिस्से भुगतान किए गए विज्ञापन हैं:

नई AdKnob पद्धति का आरेख। बाईं ओर, चुने गए विज्ञापन स्तर के आधार पर Subway कई अनुशंसाओं में से एक है या जवाब का मुख्य केंद्र। दाईं ओर, हरे रंग से तैयार किए गए जवाब में विज्ञापन सामग्री को चिह्नित किया गया है।

AdKnob नाम की यह पद्धति चार स्तरों वाले पैमाने का इस्तेमाल करके तय करती है कि चैटबॉट किसी उत्पाद का कितनी आक्रामकता से प्रचार करे। साथ ही, यह उन वाक्यों की पहचान करती है जिनमें विज्ञापन शामिल हैं। इसका उद्देश्य सहायक मॉडल चलाए बिना और प्रक्रिया को किसी भी तरह धीमा किए बिना विज्ञापन सामग्री की आसानी से पहचान करना है—यह परंपरागत रूप से दुनिया के सबसे तेज़ी से आगे बढ़ने वाले उद्योगों में से एक है।

नए शोध के परिशिष्ट में, विज्ञापन जोड़कर तैयार किए गए पाठ के उदाहरण लाल रंग से दिखाए गए हैं।

AdKnob पद्धति का परीक्षण Alibaba, Microsoft और Meta के छह एआई मॉडल पर किया गया। हर मामले में, विज्ञापन की मात्रा को चार स्तरों में समायोजित किया जा सकता था—उत्पाद के सामान्य-से उल्लेख से लेकर ऐसे जवाब तक, जो लगभग पूरी तरह किसी ब्रांड के प्रचार के लिए समर्पित हो।

AdKnob के सबसे आक्रामक ‘वॉल्यूम’ स्तर पर—यहाँ यह काल्पनिक ‘11’ के बजाय ‘4’ है—आउटपुट में ब्रांड के संदेश हावी रहते हैं।

ओपन-वेट मॉडल इसलिए ज़रूरी थे क्योंकि प्रशिक्षण के दौरान उनके आंतरिक पैरामीटरों में बदलाव करना था और तैयार किए गए जवाबों में विज्ञापनों की पहचान के लिए उनके अटेंशन पैटर्न की जाँच करनी थी। इस वजह से उन फ्रंटियर मॉडल पर परीक्षण नहीं किया जा सकता था, जिन तक केवल API के ज़रिए पहुँचा जा सकता है।

परिणामों का परीक्षण Amazon Mechanical Turk के माध्यम से 913 लोगों के साथ किया गया। जब AdKnob के जवाबों की तुलना चार प्रतिद्वंद्वी तरीकों से मिले जवाबों से की गई, तो 75% से लेकर लगभग 90% मामलों में लोगों ने AdKnob के जवाबों को प्राथमिकता दी।

यकीन करना मुश्किल हो सकता है, लेकिन उपयोगिता और विज्ञापनों के स्पष्ट लेबल इसके लिए बताए गए मुख्य कारणों में शामिल थे। विज्ञापन की सबसे ऊँची सेटिंग पर भी जवाबों को औसतन 4 में से 3.1 की गुणवत्ता रेटिंग मिली, जबकि सबसे निचली सेटिंग पर यह रेटिंग 3.6 थी।

लेखकों का यह भी कहना है कि AdKnob यह पहचानने में बेहतर साबित हुआ कि किन वाक्यों में विज्ञापन था; और परीक्षण किए गए मॉडलों में से एक पर, जाँच की इस प्रक्रिया में प्रति उत्तर केवल 3 मिलीसेकंड लगे—यह स्वीकार्य रूप से कम अतिरिक्त भार था और इसके लिए किसी विशेष टोकन को जनरेट करने की ज़रूरत नहीं पड़ी, जबकि पहले के कई तरीकों में ऐसा करना पड़ता था।

नई प्रणाली को सक्षम बनाने के लिए, पहले के Webis Generated Native Ads 2024 डेटासेट से MI-KnobSet डेटासेट तैयार किया गया। इसमें चैटबॉट के जवाबों में विज्ञापन के अलग-अलग स्तर शामिल करने के लिए पुराने संग्रह का विस्तार किया गया। इसमें प्रशिक्षण के 3,946 उदाहरण और परीक्षण के 913 मामले शामिल थे।

लेखक कहते हैं:

‘[AdKnob] एक ही LLM को विज्ञापन की तीव्रता के व्यापक दायरे में जवाब तैयार करने में सक्षम बनाता है। विज्ञापन-आरोपण हानि, विज्ञापन से जुड़े इनपुट टोकनों और तैयार विज्ञापन सामग्री के बीच आरोपण को और मज़बूत करती है, जिससे अनुमान के समय विज्ञापन का सटीक लेबल लगाना संभव होता है।

‘छह आधार मॉडलों पर किए गए प्रयोगों और उपयोगकर्ता अध्ययनों से पता चलता है कि AdKnob विज्ञापन की गुणवत्ता और विज्ञापन के लेबल—दोनों मामलों में मौजूदा आधार तरीकों से लगातार बेहतर प्रदर्शन करता है। हमारा काम वास्तविक सेवाओं में पारदर्शी और नियंत्रण योग्य LLM-आधारित विज्ञापन के लिए एक व्यावहारिक आधार प्रदान करता है।’

कार्यप्रणाली

पहले बताए गए तरीके में, किसी वृद्धि के स्तर को मापने के लिए इस्तेमाल किए गए शब्द अंततः आउटपुट में आ जाते थे। इसके विपरीत, नई विधि में चार विशेष नियंत्रण टोकन इस्तेमाल किए जाते हैं, जिनमें से प्रत्येक विज्ञापन की एक अलग तीव्रता दर्शाता है:

q̂ = q ⊕ [AD_LV_n]

स्वाभाविक है कि ऊपर दिया गया n टोकन संभावित रूप से कोई भी संख्या दर्शा सकता है, लेकिन इस मामले में AdKnob ने इसकी सीमा 1-4 तक रखी है। (इन विशेष चरों के लिए—यानी विज्ञापन सामग्री कितनी ‘स्पष्ट’ और कितनी ‘प्रबल’ है—इससे अधिक बारीक स्तर देना शायद संभव भी न हो।)

इन अमूर्त टोकनों का पहले से कोई अर्थ नहीं होता, इसलिए मॉडल इन्हें सामान्य भाषा के साथ भ्रमित किए बिना इनका अपेक्षित प्रयोजन सीख सकता है।

लेखकों के अनुसार, इसके बाद मॉडल को प्रत्यक्ष वरीयता अनुकूलन (DPO) के ज़रिए प्रशिक्षित किया जाता है, ताकि नियंत्रण टोकन को वांछित तीव्रता के अनुरूप बनाया जा सके:

‘[We] इस प्रकार आधार वरीयता का निर्माण दो मापदंडों पर करते हैं: विज्ञापन [score], जो मापता है कि ब्रांड और विज्ञापन की सामग्री को जवाब में कितनी प्रमुखता और सकारात्मकता से शामिल किया गया है; और जवाब की गुणवत्ता [score], जो मापती है कि जवाब उपयोगकर्ता की [query] ज़रूरत को कितनी अच्छी तरह पूरा करता है।’

जोड़े वाला डेटासेट तैयार करने के लिए, संभावित जवाबों को विज्ञापन की तीव्रता, प्रासंगिकता, प्रवाहपूर्ण भाषा और विज्ञापन-मुक्त जवाब से बरकरार रखी गई जानकारी के आधार पर अंक दिए गए। फिर इन अंकों का इस्तेमाल विज्ञापन के प्रत्येक स्तर के लिए प्रशिक्षण उदाहरण चुनने में किया गया।

विज्ञापन के हर परिदृश्य के लिए, उत्पाद के प्रचार की अलग-अलग तीव्रता को प्रोत्साहित करने वाले निर्देशों के साथ GPT-4o का उपयोग करके 25 संभावित जवाब तैयार किए गए। हर लक्षित स्तर के लिए सबसे अधिक अंक पाने वाला जवाब चुना गया। इसके साथ तीन ऐसे विकल्प भी चुने गए जिन्हें जानबूझकर कमतर रखा गया था—वे या तो खराब गुणवत्ता वाले थे, विज्ञापन की गलत तीव्रता वाले थे, या दोनों ही कमियों से युक्त थे:

पाँच अलग-अलग निर्देशों से तैयार किए गए 25 संभावित जवाबों के विज्ञापन-अंक। पाँचों वक्रों का काफ़ी हद तक एक-दूसरे पर चढ़ना दिखाता है कि केवल निर्देश देकर विज्ञापन के अलग-अलग स्तर विश्वसनीय ढंग से तैयार नहीं किए जा सकते थे।

इन तुलनाओं का उपयोग पहले बताई गई DPO तकनीक के ज़रिए मॉडल को प्रशिक्षित करने में किया गया। इस तरह मॉडल को अनुरोधित विज्ञापन-स्तर से मेल खाते जवाब तैयार करना सिखाया गया, साथ ही यह भी सुनिश्चित किया गया कि जवाब उपयोगी और स्वाभाविक बने रहें।

परीक्षण

AdKnob का मूल्यांकन छह मॉडलों पर विज्ञापन की तीव्रता के चार स्तरों में किया गया: Qwen3-4B-Instruct; Phi-4-Mini-Instruct (3.8B); LLaMA-3.2-3B-Instruct; Qwen2.5-14B-Instruct; Phi-4 (14B); और LLaMA-3.1-8B-Instruct।

विज्ञापन की तीव्रता और जवाब की गुणवत्ता को अलग-अलग अंक दिए गए, जबकि विज्ञापन-लेबल की सटीकता ROC-AUC; परिशुद्धता और रिकॉल; और F1 का उपयोग करके मापी गई।

मॉडलों को निम्न-रैंक अनुकूलन (LoRA) का उपयोग करके फ़ाइन-ट्यून किया गया। तैयार किए गए जवाबों की सीमा 500 टोकन रखी गई और विज्ञापन-लेबलिंग की सीमा 0.005 तय की गई। सभी प्रयोग केवल एक NVIDIA H200 GPU पर किए गए, जिसमें 141GB की HBM3e VRAM थी—इतनी कि सुनकर ही मुँह खुला रह जाए।

तुलना के लिए चार तरीकों का इस्तेमाल किया गया। दो-चरणीय श्रेणी में, पहले से तैयार जवाब में विज्ञापन जोड़ा गया; जबकि प्रॉम्प्ट-आधारित तरीके में, सिस्टम प्रॉम्प्ट के ज़रिए विज्ञापन शामिल किया गया।

बाकी दो तरीकों में, JU-NLP ने कम दिखने वाले विज्ञापन को प्राथमिकता देने के लिए फ़ाइन-ट्यूनिंग का सहारा लिया; वहीं NL-prompt (विज्ञापन की तीव्रता बताने वाले सामान्य सिस्टम प्रॉम्प्ट, बिना किसी अतिरिक्त प्रशिक्षण के) ने विज्ञापन की तीव्रता के चार स्तर माँगने के लिए प्राकृतिक भाषा में निर्देश दिए: हल्का (L1); मध्यम (L2); भारी (L3); और अधिकतम (L4)।

विज्ञापन को चिह्नित करने के तीन तरीकों की तुलना की गई: Marker, जिसमें मॉडल को लिखते समय विज्ञापन पर टैग लगाने के लिए कहा गया; BERTScore, जो दिए गए विज्ञापन-पाठ से मिलते-जुलते वाक्यों को चिह्नित करता था; और AttnLRP, जिसका इस्तेमाल मॉडल की आंतरिक प्रक्रियाओं में विज्ञापन के प्रभाव का पता लगाने के लिए किया गया:

चार एआई मॉडल में विज्ञापन की तीव्रता और जवाबों की गुणवत्ता की तुलना करने वाले परीक्षण के नतीजे। AdKnob (नीला) ने प्रतिस्पर्धी तरीकों की तुलना में विज्ञापन के स्तरों (L1–L4) की अधिक व्यापक और समान अंतराल वाली रेंज हासिल की, और तुलनीय विज्ञापन-तीव्रता पर आम तौर पर जवाबों की गुणवत्ता भी बेहतर बनाए रखी।

AdKnob ने प्रतिस्पर्धी तरीकों की तुलना में विज्ञापन की तीव्रता के स्तरों की अधिक व्यापक और एकसमान रेंज दी, और तुलनीय स्तरों पर आम तौर पर बेहतर गुणवत्ता वाले जवाब दिए। इसका श्रेय इसके नए नियंत्रण टोकन और प्रशिक्षण के दौरान कम गुणवत्ता वाले जवाबों को अस्वीकार करने को दिया गया।

यहाँ लेखक कहते हैं:

‘JU-NLP विज्ञापन की तीव्रता को स्पष्ट रूप से नियंत्रित किए बिना उसे कम स्पष्ट दिखाने के लिए फ़ाइन-ट्यूनिंग करता है, जिससे एक निश्चित तीव्रता वाले जवाब मिलते हैं। NL-prompt कई तीव्रताओं को समेटता है, लेकिन इसकी रेंज संकीर्ण है और विज्ञापन स्कोर एकसमान नहीं हैं। इससे पुष्टि होती है कि विज्ञापन की तीव्रता को नियंत्रित करने के लिए प्राकृतिक भाषा के प्रॉम्प्ट पर्याप्त नहीं हैं।

‘इसके विपरीत, AdKnob विज्ञापन की तीव्रता की एक व्यापक और एकसमान रेंज में काम करता है।

‘इसका कारण हमारे विज्ञापन-नियंत्रण टोकन हैं, जिनमें पहले से प्रशिक्षित कोई अर्थ निहित नहीं होता और जो विशेष रूप से विज्ञापन की तीव्रता को नियंत्रित करने वाले कंडीशनिंग संकेतों के रूप में काम करते हैं। इससे DPO हर टोकन और उसकी लक्षित तीव्रता के बीच एक स्पष्ट मैपिंग स्थापित कर पाता है।’

पेपर के मुताबिक, लेखकों के तरीके से मिलती-जुलती विज्ञापन-तीव्रता पर प्रतिस्पर्धी तरीकों की तुलना में बेहतर गुणवत्ता वाले जवाब भी मिले। इस सुधार का श्रेय ऐसे प्रशिक्षण उदाहरणों को दिया गया, जिनमें कम गुणवत्ता वाले जवाबों को स्पष्ट रूप से अस्वीकार किया गया था।

इसके बाद प्रणाली की विज्ञापन-चिह्नांकन क्षमताओं का मूल्यांकन किया गया:

चार एआई मॉडल में विज्ञापन का पता लगाने के नतीजे। अधिक स्कोर बेहतर सटीकता दर्शाते हैं; सबसे अच्छे नतीजे मोटे अक्षरों में दिखाए गए हैं।

चारों मॉडलों में AdKnob ने कुल मिलाकर विज्ञापन का पता लगाने की सबसे अधिक सटीकता हासिल की और हर जवाब में सिर्फ़ 2.5-7.3 मिलीसेकंड में विज्ञापन की पहचान की। इसके मुकाबले, BERTScore को लगभग 1,800 मिलीसेकंड लगे। सबसे छोटे परीक्षण किए गए मॉडल पर AdKnob 500 गुना से भी अधिक तेज़ था।

लेखक आगे कहते हैं:

‘AdKnob स्पष्ट एब्लेशन-आधारित मार्गदर्शन के ज़रिए मॉडल को इनपुट में मौजूद विज्ञापन-संबंधी टोकन और विज्ञापन खंडों के बीच मज़बूत संबंध स्थापित करने का प्रशिक्षण देता है, जिससे सभी मॉडलों में AUC और F1 के सर्वश्रेष्ठ स्कोर हासिल होते हैं।’

‘इसके अलावा, AdKnob हर जवाब पर ∼3ms में रीयल-टाइम चिह्नांकन की सुविधा देता है और इसके लिए अनुमान लगाने की अतिरिक्त लागत नहीं आती [Qwen3-4B.]

गुणात्मक परीक्षण में, Nintendo Switch के विज्ञापन को स्तर 1 पर कई सुझावों में से एक के रूप में शामिल किया गया। स्तर 4 पर ब्रांड का जवाब पर दबदबा रहा। AdKnob ने दोनों तीव्रताओं पर प्रचार सामग्री वाले अंशों की पहचान की:

विज्ञापन के दो स्तरों पर Walmart के Black Friday से जुड़े सवाल के नमूना जवाब। [AD] के रूप में चिह्नित हाइलाइट किए गए अंश प्रचार सामग्री दिखाते हैं।

आखिर में**, लेखकों ने 913 प्रतिभागियों के साथ एक उपयोगकर्ता अध्ययन किया। प्रतिभागियों ने विज्ञापन की तीव्रता और जवाबों की गुणवत्ता को रेट किया, AdKnob की तुलना प्रतिस्पर्धी तरीकों से की और आकलन किया कि प्रचार सामग्री की पहचान कितनी सटीकता से की गई:

AdKnob के मानवीय मूल्यांकन के नतीजे। तालिका में विज्ञापन की तीव्रता और जवाबों की गुणवत्ता की रेटिंग, प्रतिस्पर्धी तरीकों के मुकाबले पसंद किए जाने की दरें और विज्ञापन-पहचान की सटीकता दिखाई गई है। हरे रंग के सेल 50% से अधिक पसंद-दर दर्शाते हैं।

लेखक निष्कर्ष निकालते हैं:

‘AdKnob ने AUC और F1 के सबसे ऊँचे स्कोर हासिल किए। उल्लेखनीय है कि AdKnob की रिकॉल दर ऊँची है और गलत नकारात्मक नतीजे कम हैं। नियामक दृष्टिकोण से यह अहम है, क्योंकि विज्ञापन वाले किसी अंश का खुलासा न करने से कानूनी और भरोसे से जुड़े गंभीर जोखिम पैदा होते हैं।’

निष्कर्ष

एलएलएम के भीतर विज्ञापन के मामले में एक दिलचस्प सवाल यह है—और मैंने इस पर किसी का ध्यान जाते नहीं देखा—कि जब विज्ञापन-विहीन आउटपुट और विज्ञापन-आधारित आउटपुट एक जैसे हों, तो क्या होता है?

उदाहरण के लिए, अगर कोई स्थानीय भोजनालय की सिफ़ारिश माँग रहा हो और वहाँ सिर्फ़ McDonald’s तथा बहुत खराब रेटिंग वाला एक कैफ़े हो, लेकिन McDonald’s ने जगह पाने के लिए भुगतान किया हो, तो संभवतः उसे विज्ञापन के रूप में पेश किया जाएगा, क्योंकि यह होस्ट फ़्रेमवर्क के उद्देश्यों के अनुकूल है—भले ही वह वैसे भी स्वाभाविक पसंद होता?

इस तरह की चीज़ों के बारे में पढ़ना—जिन पर मैं इस साइट पर काफ़ी नियमित रूप से लिखता हूँ—मुझे ऐसा महसूस कराता है जैसे कोई टर्की ओवन की कैटलॉग देख रहा हो। हमें यह याद रखना चाहिए कि कुछ क्षेत्रों में अनिवार्य न्यूनतम लेबलिंग के बावजूद, हमारे आउटपुट में मौजूद ‘भ्रामक’ सामग्री को उजागर नहीं किया जाएगा। इस और इसी तरह के शोधपत्र में दिखाए गए बेहद सीमित उदाहरणों में से कुछ, मूल सामग्री पर व्यावसायिक सामग्री के अत्यंत घुसपैठिया प्रभाव को दर्शाते हैं।

और, बेशक, ये चुनिंदा उदाहरण हैं—वे, जिन्होंने काम किया, और मनगढ़ंत बातें नहीं बनाईं, न ही बेतुके या आपत्तिजनक संबंध जोड़े, और न ही किसी अन्य तरह का विवाद खड़ा किया। बड़े पैमाने पर इस्तेमाल के संदर्भ में, सार्वजनिक रूप से बार-बार बदनामी झेलने की आशंका वाले ऐसे आर्किटेक्चर के लिए, शायद यही एक अतिरिक्त वजह है कि अधिकांश अग्रणी सेवाएँ विज्ञापन को लेकर सतर्कता बरत रही हैं।

* शीर्षक है ‘AdKnob: एलएलएम-आधारित विज्ञापन के लिए विज्ञापन तीव्रता नियंत्रण और लेबलिंग’; इसके लेखक KAIST के स्कूल ऑफ़ कंप्यूटिंग के छह शोधकर्ता हैं।

** हमेशा की तरह, हम एब्लेशन अध्ययनों को शामिल नहीं करते (सिवाय उन मामलों के, जहाँ वे केवल एक त्वरित जाँच के बजाय शोधकार्य के मूल योगदान का हिस्सा हों)।

पहली बार प्रकाशित: गुरुवार, 5 नवंबर, 2026