Unveiling Meta Gem The New Brain Behind Ai Driven Advertising

揭开 Meta GEM 的神秘面纱:人工智能广告背后的新 “大脑”

最后更新于 2025年11月21日 16:05

在快节奏的人工智能世界里,”生成式人工智能 “通常会让人联想到聊天机器人写诗或模型创造超现实艺术。但可以说,这项技术最有利可图的应用已经悄然到来,不是在聊天窗口,而是在你的社交媒体上。

Meta GEM(生成式广告模型)是公司最先进的广告基础模型,可以说是多年来推荐系统(RecSys)架构的最重大飞跃。

对于数据科学家、营销人员和技术爱好者来说,了解 GEM 至关重要。它代表着从传统、零散的推荐算法向统一、大规模 “大脑 “的转变,后者能以前所未有的精度理解用户意图。

什么是 Meta GEM?

GEM 是Generative Ads Model(生成式广告模型)的缩写。它是专为推荐系统设计的基础模型。

与 Llama 等通用大型语言模型(LLM)不同,GEM 的训练目的是预测句子中的下一个单词,而 Llama 则是预测内容和广告与用户的相关性。不过,它在很大程度上借鉴了LLM 的启发模式。

传统的广告推荐系统依赖于庞大的嵌入表和针对不同任务的不同模型。GEM 采用基于转换器的架构,可同时处理文本、图像、视频和交互历史等多模态输入,从而改变了这一游戏规则。

创业板为何意义重大

1.规模空前

根据Meta 工程部的官方公告,GEM 是 “业界最大的推荐系统基础模型”。训练如此大规模的模型所需的基础设施可以与训练顶级 LLM 所需的基础设施相媲美。我们所说的模型是通过数千个 GPU 进行训练,利用先进的并行性处理 Facebook 和 Instagram 用户产生的 PB 级数据。

2.多模态理解

GEM 的超级功能之一是能够 “看到 “和 “读懂 “广告创意本身。以前的系统严重依赖元数据(标签、类别)。GEM 处理图像的像素级视觉数据和文本的语义,并将其与用户的交互历史结合起来。

这意味着该模型能够理解用户为什么会停止滚动观看某个特定视频–不仅仅是因为它被归类为 “体育”,还因为它包含了用户喜欢的特定视觉风格或动态动作。

3.跨表面情报

Meta 的生态系统非常庞大:Facebook Feed、Instagram Stories、Reel 等。以往,针对这些不同的表面进行优化往往需要不同的努力。GEM 统一了这一点。它可以从跨表面的互动中学习,这意味着来自 Instagram 上 Reel 的信号可以立即提高 Facebook Feed 中显示的广告相关性。

4.效率与准确性

也许最令人印象深刻的工程壮举是 GEM 的效率。尽管 GEM 是一个庞大的基础模型,但 Meta 工程师对其进行了优化,使其效率是前几代模型的4 倍。这使得 Meta 能够部署一个更智能、更重的模型,而不会产生高昂的推理成本。

对广告商的影响

对于数字营销人员来说,算法这个 “黑盒子 “变得更加智能了。

  • 更好的投资回报率:通过深入了解广告内容,GEM 可以更有效地将小众创意与小众受众相匹配。
  • 冷启动问题:没有历史记录的新广告通常很难获得印象。由于 GEM 能立即理解视觉/文字内容,因此理论上它能更快地将新广告匹配给合适的用户,甚至在收集到点击之前。

结论

Meta GEM 标志着 “简单 “推荐算法时代的终结。我们正在迈向这样一个世界:决定我们看到什么的系统与能够编写代码或生成图像的系统一样复杂和强大。

随着 Meta 继续在其广告堆栈中推广 GEM,它为广告技术树立了新的标准:广告预测不再只是一个数学问题,而是一个语言和视觉理解问题。

您是否注意到最近您的信息源中出现了更多相关广告?这可能要感谢(或责怪)GEM。请在下面的评论中告诉我您对 LLM 和推荐系统融合的看法!

发表评论

返回顶部