LLM‑HYPER: KI‑basierte Hypernetworks revolutionieren Cold‑Start‑Ads

Ein neues Forschungsprojekt namens LLM‑HYPER hat die Art und Weise, wie Online‑Werbetreibende mit dem sogenannten Cold‑Start‑Problem umgehen, grundlegend verändert. Statt auf umfangreiche Trainingsdaten zu warten, nutzt das System große Sprachmodelle (LLMs) als Hypernetworks, um die Parameter eines Klick‑Durch‑Rate‑(CTR)‑Estimators sofort zu generieren.

Der Ansatz kombiniert Few‑Shot Chain‑of‑Thought‑Prompting mit multimodalen Anzeigeninhalten – Text und Bild – und lässt die LLMs aus wenigen Beispielen lernen, wie verschiedene Features die Klickwahrscheinlichkeit beeinflussen. Dabei werden semantisch ähnliche frühere Kampagnen über CLIP‑Embeddings abgerufen und als Demonstrationen in die Prompt‑Struktur eingebettet, sodass das Modell die Absicht der Nutzer, die Relevanz des Inhalts und die Wirkung einzelner Features nachvollziehen kann.

Um die Stabilität und Einsatzfähigkeit der generierten Gewichte sicherzustellen, wurden spezielle Normalisierungs‑ und Kalibrierungstechniken entwickelt, die die Parameter an die Produktions‑CTR‑Verteilungen anpassen. In umfangreichen Offline‑Tests konnte LLM‑HYPER die gängigen Cold‑Start‑Baselines um beeindruckende 55,9 % in NDCG@10 übertreffen.

Ein Online‑A/B‑Test auf einer der führenden E‑Commerce‑Plattformen in den USA bestätigte die Ergebnisse: LLM‑HYPER verkürzt die Cold‑Start‑Phase drastisch und erreicht gleichzeitig eine konkurrenzfähige Performance. Das System ist bereits in der Produktion eingesetzt und liefert bereits heute wertvolle Erkenntnisse für Werbetreibende.