Regulacja natężenia reklam w treściach tworzonych natywnie przez AI

Okres „miesiąca miodowego” popularnej AI jeszcze się nie skończył. Gdyby porównać go z drogą od złotej ery Netflixa do obecnego rozczłonkowania i komercjalizacji usług streamingowych, bylibyśmy mniej więcej w 2019 roku. Dotychczasowy lider (OpenAI) mierzy się dziś z silną konkurencją ze strony licznych, dobrze finansowanych rywali, z których żaden nie zdobył jeszcze na tyle zdecydowanej przewagi, by ryzykować narzucanie reklam swojej kapryśnej bazie użytkowników.

Podobnie ChatGPT ogranicza obecnie reklamy w czacie do użytkowników planów Free i Go; reklamy w Gemini pojawiają się wyłącznie w kontekście AI Overviews i AI Mode; Perplexity porzuciło plany wprowadzenia reklam zeszłej zimy; xAI ma wprowadzić reklamy w bliżej nieokreślonym terminie; Microsoft Copilot już je wyświetla; a Claude zdecydowanie odrzuca taką możliwość.

Wiemy jednak, że tak nie będzie wiecznie: gdy ujawni się rzeczywisty koszt wnioskowania, a zbliżające się debiuty giełdowe firm z branży AI sprawią, że na pierwszym planie znajdzie się presja akcjonariuszy, możemy — jak podpowiada historia — spodziewać się, że w końcu będziemy musieli zacząć analizować wyniki modeli LLM, aby odróżniać treści oparte na reklamach od komercyjnych.

Podkręcanie do 11

Poza kwestiami stopnia personalizacji reklam i tego, jak będą kierowane do poszczególnych grup demograficznych, dostawcy będą musieli rozważyć zakres i rodzaj integracji treści komercyjnych.

To niełatwe zadanie: zbyt subtelne reklamy pozwalają zatrzymać więcej użytkowników, ale oznaczają utratę reklamodawców oferujących cenniejsze kontrakty; z kolei silniejsza integracja reklam, która może omijać przepisy dotyczące ich ujawniania, pomaga zdobywać lepsze kontrakty reklamowe, ale może wywołać kontrowersje i inne negatywne konsekwencje.

Co więcej, platformy reklamowe oparte na różnych poziomach subskrypcji mogą wymagać odmiennego „natężenia” i stopnia integracji reklam, choć zmienne w modelach LLM są dość trudne do skwantyfikowania. Na przykład jeden z wcześniejszych pomysłów na stworzenie swego rodzaju „regulatora natężenia” reklam w wynikach LLM doprowadził do tego, że w rozmowie pojawiły się nawet określenia służące do ich kwantyfikacji w:

Z nowej pracy badawczej: przykład etykiet ze starszego mechanizmu „regulacji natężenia” reklam, które przedostały się do wygenerowanego tekstu. Źródło

Powyższy przykład pochodzi z nowej pracy badawczej*, w której omówiono dwa kluczowe problemy związane z reklamą opartą na modelach LLM: kontrolowanie tego, jak wyraźnie reklamy są eksponowane w odpowiedziach chatbotów oraz identyfikowanie tych fragmentów odpowiedzi, które stanowią płatne reklamy:

Schemat nowego podejścia AdKnob. Po lewej Subway jest jedną z kilku rekomendacji albo głównym tematem, zależnie od wybranego poziomu reklam. Po prawej zielone podświetlenie wskazuje treści reklamowe w wygenerowanej odpowiedzi.

Podejście o nazwie AdKnob wykorzystuje czterostopniową skalę do określania, jak intensywnie chatbot promuje produkt, a jednocześnie identyfikuje zdania zawierające reklamy. Celem jest ułatwienie rozpoznawania treści reklamowych bez potrzeby uruchamiania dodatkowych modeli ani spowalniania procesu — tradycyjnie jest to jedna z najszybszych branż.

Materiały z załącznika do nowej pracy pokazują przykłady tekstu z wplecionymi reklamami, zaznaczone na czerwono.

Metodę AdKnob przetestowano na sześciu modelach AI firm Alibaba, Microsoft i Meta. W każdym przypadku ilość reklam można było regulować na czterech poziomach — od swobodnej wzmianki o produkcie po odpowiedź niemal w całości poświęconą promowaniu marki.

Przy najbardziej intensywnym poziomie reklam w AdKnob (tutaj „4”, a nie legendarne „11”) komunikaty marki zwykle dominują w wygenerowanej treści.

Konieczne było użycie modeli z otwartymi wagami, ponieważ podczas trenowania należało zmodyfikować ich parametry wewnętrzne i przeanalizować wzorce uwagi, aby zidentyfikować reklamy w wygenerowanych odpowiedziach. Wykluczało to testowanie modeli wiodących, do których można uzyskać dostęp wyłącznie za pośrednictwem API.

Wyniki przetestowano z udziałem 913 osób za pośrednictwem Amazon Mechanical Turk. Gdy odpowiedzi AdKnob porównano z odpowiedziami uzyskanymi czterema konkurencyjnymi metodami, wybierano je w od 75% do niemal 90% przypadków.

Trudno w to uwierzyć, ale użyteczność i wyraźne oznaczenia reklam należały do najczęściej podawanych powodów. Nawet przy najwyższym poziomie reklam odpowiedzi uzyskały średnią ocenę jakości 3,1 na 4, w porównaniu z 3,6 przy najniższym poziomie.

AdKnob okazał się również skuteczniejszy w rozpoznawaniu, które zdania zawierały reklamy, jak twierdzą autorzy. W przypadku jednego z testowanych modeli sprawdzanie zajmowało zaledwie trzy milisekundy na odpowiedź — to akceptowalnie niewielkie obciążenie, które nie wymagało generowania dodatkowych tokenów, w przeciwieństwie do kilku wcześniejszych podejść.

Na potrzeby nowego systemu opracowano zbiór danych MI-KnobSet na podstawie wcześniejszego zbioru danych Webis Generated Native Ads 2024 zbioru danych. Rozszerzono go o różne poziomy nasycenia odpowiedzi chatbotów reklamami; obejmuje 3946 przykładów treningowych i 913 przypadków testowych.

Autorzy stwierdzają:

„[AdKnob] pozwala jednemu modelowi LLM generować odpowiedzi o szerokim zakresie intensywności reklam. Funkcja straty przypisania reklam dodatkowo wzmacnia powiązanie między tokenami wejściowymi związanymi z reklamą a generowaną treścią reklamową, umożliwiając precyzyjne oznaczanie reklam w czasie wnioskowania.

„Eksperymenty przeprowadzone na sześciu modelach bazowych oraz badania z udziałem użytkowników pokazują, że AdKnob konsekwentnie przewyższa istniejące rozwiązania bazowe zarówno pod względem jakości reklam, jak i ich oznaczania. Nasza praca stanowi praktyczną podstawę do stosowania w rzeczywistych usługach przejrzystej i kontrolowanej reklamy natywnej dla modeli LLM”.

Metoda

W odróżnieniu od wspomnianego wcześniej podejścia, w którym słowa używane do określenia poziomu przyrostu przedostawały się do wyników, nowa metoda wykorzystuje cztery specjalnie zaprojektowane tokeny sterujące, z których każdy odpowiada innemu poziomowi intensywności reklam:

q̂ = q ⊕ [AD_LV_n]

Oczywiście token n może oznaczać dowolną liczbę, ale w tym przypadku AdKnob ogranicza zakres do 1–4 (co prawdopodobnie zapewnia maksymalny poziom szczegółowości dla tych konkretnych zmiennych, czyli tego, jak „oczywista” i jak „nachalna” jest reklama).

Ponieważ te abstrakcyjne tokeny nie mają wcześniej ustalonego znaczenia, model może nauczyć się ich zamierzonej funkcji, nie myląc ich ze zwykłym językiem.

Jak wyjaśniają autorzy, model jest następnie trenowany za pomocą bezpośredniej optymalizacji preferencji (DPO), aby dostosować tokeny sterujące do pożądanego poziomu intensywności:

„[We] opieramy zatem konstrukcję preferencji na dwóch miarach: widoczności reklamy [score], która określa, jak wyraźnie i pozytywnie marka oraz tekst reklamowy są uwzględnione w odpowiedzi, oraz jakości odpowiedzi [score], która mierzy, jak dobrze odpowiedź odnosi się do [query] użytkownika”.

Aby zbudować zbiór par, oceniono kandydackie odpowiedzi pod kątem intensywności reklam, trafności, płynności oraz ilości informacji zachowanych z odpowiedzi niezawierającej reklamy. Następnie na podstawie tych ocen wybrano przykłady treningowe dla każdego poziomu reklamy.

W każdym scenariuszu reklamowym wygenerowano 25 możliwych odpowiedzi za pomocą GPT-4o, stosując podpowiedzi zachęcające do różnego stopnia promowania produktu. Dla każdego docelowego poziomu wybrano odpowiedź z najwyższą oceną oraz trzy celowo gorsze warianty, odzwierciedlające niską jakość, nieprawidłowy poziom intensywności reklamy lub oba te problemy:

Oceny reklam dla 25 odpowiedzi-kandydatów wygenerowanych na podstawie pięciu różnych podpowiedzi. Znaczne nakładanie się pięciu krzywych pokazuje, dlaczego samo stosowanie podpowiedzi nie pozwalało niezawodnie uzyskiwać różnych poziomów intensywności reklamy.

Te porównania wykorzystano do trenowania modelu za pomocą wspomnianej wcześniej metody DPO, ucząc go tworzenia odpowiedzi zgodnych z wymaganym poziomem intensywności reklamy, a zarazem użytecznych i naturalnych.

Testy

AdKnob oceniono przy czterech poziomach intensywności reklamy na sześciu modelach: Qwen3-4B-Instruct; Phi-4-Mini-Instruct (3.8B); LLaMA-3.2-3B-Instruct; Qwen2.5-14B-Instruct; Phi-4 (14B); oraz LLaMA-3.1-8B-Instruct.

Intensywność reklamy i jakość odpowiedzi oceniano oddzielnie, natomiast dokładność oznaczania reklam mierzono za pomocą ROC-AUC, precyzji i czułości oraz F1.

Modele dostrajano metodą adaptacji niskiego rzędu (LoRA), ograniczając generowane odpowiedzi do 500 tokenów i ustalając próg oznaczania reklam na poziomie 0.005. Wszystkie eksperymenty przeprowadzono na jednej karcie NVIDIA H200 z imponującą ilością 141 GB pamięci VRAM HBM3e.

Jako punkt odniesienia wykorzystano cztery metody. W kategorii dwuetapowej reklamę dodawano do wcześniej wygenerowanej odpowiedzi, a w metodzie opartej na podpowiedziach uwzględniano ją w podpowiedziach systemowych.

Dwie pozostałe metody to: JU-NLP, która opierała się na dostrajaniu modelu w celu promowania mniej rzucających się w oczy reklam, oraz NL-prompt (zwykłe podpowiedzi systemowe określające intensywność reklamy, bez dodatkowego trenowania), w której instrukcje w języku naturalnym służyły do określenia czterech poziomów intensywności reklamy: subtelnego (L1), umiarkowanego (L2), wysokiego (L3) i maksymalnego (L4).

Porównano trzy metody oznaczania reklam: Marker, która skłaniała model do oznaczania reklam podczas generowania tekstu; BERTScore, która wskazywała zdania przypominające dostarczony tekst reklamowy; oraz AttnLRP, której użyto do śledzenia wpływu reklam w wewnętrznych mechanizmach modelu:

Wyniki testów porównujących intensywność reklam i jakość odpowiedzi w czterech modelach AI. AdKnob (niebieski) zapewnił szerszy i bardziej równomiernie rozłożony zakres poziomów intensywności reklam (L1–L4) niż konkurencyjne metody, a przy porównywalnej intensywności reklam na ogół utrzymywał wyższą jakość odpowiedzi.

AdKnob zapewnił szerszy i bardziej spójny zakres intensywności reklam niż konkurencyjne metody, a przy porównywalnych poziomach na ogół generował odpowiedzi lepszej jakości. Przypisano to nowym tokenom sterującym oraz odrzucaniu odpowiedzi niskiej jakości podczas treningu.

Autorzy stwierdzają:

‘JU-NLP jest dostrajany pod kątem dyskrecji reklam, bez jawnego sterowania ich intensywnością, dlatego generuje odpowiedzi o stałej intensywności. NL-prompt obejmuje wprawdzie wiele poziomów intensywności, ale zakres jest wąski, a wyniki oznaczania reklam niespójne, co potwierdza, że polecenia w języku naturalnym nie wystarczają do sterowania intensywnością.

‘Z kolei AdKnob obejmuje szeroki i równomierny zakres intensywności reklam.

‘Wynika to z naszych tokenów sterujących reklamami, które nie mają semantyki wyuczonej w ramach pretreningu i służą wyłącznie jako sygnały warunkujące sterowanie intensywnością reklam, umożliwiając DPO ustanowienie jednoznacznego odwzorowania każdego tokenu na docelową intensywność.’

Jak zauważono w artykule, podejście autorów zapewniło również odpowiedzi lepszej jakości niż konkurencyjne metody przy podobnej intensywności reklam. Poprawę tę przypisano przykładom treningowym, w których odpowiedzi gorszej jakości były jawnie odrzucane.

Następnie oceniono możliwości systemu w zakresie oznaczania reklam:

Wyniki wykrywania reklam w czterech modelach AI. Wyższe wyniki oznaczają większą dokładność, a najlepsze rezultaty zaznaczono pogrubieniem.

AdKnob uzyskał najwyższą ogólną dokładność wykrywania we wszystkich czterech modelach, identyfikując reklamy w ciągu zaledwie 2,5–7,3 milisekundy na odpowiedź. Dla porównania BERTScore potrzebował około 1800 milisekund, dzięki czemu AdKnob był ponad 500 razy szybszy na najmniejszym testowanym modelu.

Autorzy dodają:

‘AdKnob uczy model ustanawiania silnego powiązania między tokenami wejściowymi związanymi z reklamami a segmentami reklamowymi, wykorzystując jawne wskazówki oparte na ablacji. Dzięki temu osiąga najlepsze wyniki AUC i F1 we wszystkich modelach.’

‘Co więcej, AdKnob umożliwia etykietowanie w czasie rzeczywistym bez dodatkowego kosztu wnioskowania, przy czasie ∼3 ms na odpowiedź w [Qwen3-4B.]

W teście jakościowym reklama Nintendo Switch była jedną z kilku rekomendacji na poziomie 1. Na poziomie 4 marka zdominowała odpowiedź, a AdKnob wskazał fragmenty promocyjne przy obu poziomach intensywności:

Przykładowe odpowiedzi na zapytanie o Walmart z okazji Black Friday przy dwóch poziomach intensywności reklam. Wyróżnione fragmenty oznaczone jako [AD] wskazują treści promocyjne.

Na koniec** autorzy przeprowadzili badanie z udziałem 913 uczestników, którzy oceniali intensywność reklam i jakość odpowiedzi, porównywali AdKnob z konkurencyjnymi metodami oraz sprawdzali, jak dokładnie identyfikowano treści promocyjne:

Wyniki ocen AdKnob dokonanych przez ludzi. Tabela przedstawia oceny intensywności reklam i jakości odpowiedzi, odsetki wskazań na poszczególne metody w porównaniu z konkurencyjnymi rozwiązaniami oraz dokładność wykrywania reklam. Zielone komórki oznaczają odsetek wskazań przekraczający 50%.

Autorzy podsumowują:

‘AdKnob osiąga najwyższe wyniki AUC i F1. Co istotne, AdKnob charakteryzuje się wysoką czułością i niewielką liczbą wyników fałszywie ujemnych. Ma to kluczowe znaczenie z punktu widzenia regulacji, ponieważ nieujawnienie segmentu reklamowego wiąże się z poważnym ryzykiem prawnym i utratą zaufania.’

Wnioski

Ciekawą kwestią dotyczącą reklam w LLM-ach, której — o ile mi wiadomo — dotąd nie poświęcono uwagi, jest to, co się dzieje, gdy treść bez reklamy i treść oparta na reklamie są takie same.

Na przykład, jeśli ktoś prosi o polecenie lokalnej restauracji, a w okolicy jest tylko McDonald’s i bardzo źle oceniana kawiarnia, ale McDonald’s zapłacił za promowane miejsce, to zapewne zostanie przedstawiony w kontekście reklamy, ponieważ służy to celom środowiska nadrzędnego.. nawet jeśli i tak byłby naturalnym wyborem?

Czytanie o takich sprawach, o których dość regularnie piszę na tej stronie, sprawia, że czuję się jak indyk przeglądający katalog piekarników. Warto pamiętać, że nawet przy minimalnym oznakowaniu wymaganym na niektórych terytoriach „nieszczere” treści w naszych wynikach nie będą wyróżniane. Bardzo ograniczony zestaw przykładów przedstawionych w tej i podobnych pracach pokazuje rażącą skalę wypierania treści natywnych przez treści komercyjne.

I oczywiście są to starannie wybrane przykłady — te, które się sprawdziły i nie halucynowały, nie tworzyły skandalicznych ani obraźliwych skojarzeń ani w inny sposób nie wywoływały kontrowersji. Przy wdrożeniu na dużą skalę, w przypadku architektur tak podatnych na publiczne kompromitacje, może to być kolejny powód, dla którego większość najbardziej zaawansowanych usług podchodzi do reklam z rezerwą.

* Pod tytułem „AdKnob: kontrola intensywności reklam i oznaczanie reklam natywnych dla LLM”, autorstwa sześciu osób ze School of Computing na KAIST.

** Jak zwykle pomijamy badania ablacyjne (z wyjątkiem sytuacji, gdy stanowią istotę wkładu pracy, a nie tylko wyrywkową kontrolę).

Pierwsza publikacja: czwartek, 5 listopada 2026 r.