RL 环境训练出的开源模型跑 X 广告,效果胜一众前沿模型
kimmonismus · x · 2026-11-10
log(log(ai)) 团队发布 AdVal:一个高保真 X 平台模拟环境,用 181 个广告 brief 对 DeepSeek V4.1 Flash 做后训练,得到开源权重模型 Yvligo。
实测结果
- 在 45 个从未见过的 held-out brief 上,Yvligo 得分 77%(以每 brief 最优已知转化率为 100% 的几何平均),超过 Gemini 4 Argon(70%)、GPT-6.1 Sol(67%)、Grok 4.7(64%)、Claude Opus 5.5(63%)等所有受测前沿模型
- 真实投放对照:$200 预算下 Yvligo 带来 383 次相关网站访问,Grok 为 123 次
- 未训练的 DeepSeek V4.1 Flash 基线为 64%,规则化搭建的广告组基线为 59%
作者称开源了环境、模型(Hugging Face)与轨迹(GitHub)。这是「用 RL 环境在垂直业务上超越前沿模型」的典型案例,对广告投放行业有直接参考价值。
「编程与Agent」频道最新
- 开发者用 Rex 在 macOS 原生管理 25-30 个并行 agent 会话 — jonathan_wilke · 2026-11-10
- Pi Dash 用 Muse Ember 十智能体协作，一天重写 17.8 万行生产代码 — AIatMeta · 2026-11-10
- 单个提示词生成体素破坏引擎，MacBook 上流畅运行 — mattshumer_ · 2026-11-10
- 微软 Foundry 的 azd 扩展正式 GA：Agent 配置随代码入库 — WirelessLife · 2026-11-10
- 微软 BoxBox:长跑 Agent 运行中热更新自身 harness,提速 1.70 倍 — dair_ai · 2026-11-10
- Arduino 发布开源 RouterBridge_ROS：单片机上实时 I/O 直连 ROS 2 — kscottz · 2026-11-10