Badacze zaproponowali zaawansowaną metodę generowania nagłówków reklam produktów przy użyciu transformerowych modeli języka maskowanego połączonych z metodami gradient policy reinforcement learning. System jest w stanie wspólnie warunkować generowanie tekstu na wielu produktach, które sprzedawca chce reklamować, automatycznie tworząc atrakcyjne i spójne nagłówki na podstawie istniejącej zawartości e-commerce.
Metoda osiąga istotne ulepszenia w stosunku do poprzednich rozwiązań opartych na transformerach i LSTM z reinforcement learning. Szczególnie ważne jest, że model wykorzystuje mechanizm samokrytyki - sztuczna inteligencja ocenia jakość generowanych nagłówków i iteracyjnie je ulepszza. Audyty pokazały, że automatycznie wygenerowane nagłówki przewyższają teksty przesłane przez ludzi zarówno pod względem poprawności gramatycznej, jak i ogólnej jakości kreatywnej.
To odkrycie ma praktyczne znaczenie dla branży e-commerce, gdzie skalowanie tworzenia materiałów promocyjnych pozostaje wyzwaniem. Programowe generowanie wysokiej jakości nagłówków reklam może zmniejszyć obciążenie zespołów twórczych i obniżyć koszty operacyjne, jednocześnie utrzymując lub poprawiając efektywność kampanii reklamowych.