在电子商务网站上，构建能够吸引消费者的持久广告是一项复杂的任务，尤其是在大规模操作时，如何保持创意质量更是难上加难。为此，我们提出了一种程序化解决方案，利用零售内容生成产品广告标题。我们的方法采用了基于 Transformer 的掩码语言模型，并结合强化学习（RL）策略梯度方法，创造出广告标题。具体来说，我们的方法通过联合多个产品的条件生成广告标题，旨在提升广告的吸引力。
实验结果表明，我们的方法在重叠度指标和质量审计方面均优于现有的 Transformer 和 LSTM + RL 方法。此外，我们生成的标题在语法和创意质量上也超越了人类提交的标题，这一点通过审计结果得到了验证。
博主点评： 本文展示了将强化学习应用于广告标题生成的创新思路，表明了机器生成内容在创意领域的潜力。未来，随着技术的不断进步，广告创作的自动化程度有望进一步提高。尤其是结合多产品条件生成的方式，能有效提升广告的针对性和吸引力。