top of page

Meta AI Agents 扩大广告排序改进的覆盖范围

1天前
讀畢需時 13 分鐘
Image from the source report. Source: engineering.fb.com.

Meta 表示,使用其 agents 的工程师能够将机器学习技术在广告模型间的适配工作量提升至原来的三倍。其 11 月 18 日发布的工程报告描述了 Meta AI agents 如何将改进扩展到研究人员最初开发这些技术的模型之外。挑战在于让这些变化能够跨模型迁移,同时不牺牲性能或耗尽计算资源。

这项工作延续了 Meta 在 3 月推出的 Ranking Engineer Agent(REA),这是一个可自主运行机器学习实验的系统。机器学习(ML)训练软件从数据中识别模式。这份新报告则聚焦另一项问题:如何将成功的技术分发至需求各异的模型。

其比较对象是由专家主导的适配方式,即工程师分别为每个目标模型调整改进方案。Meta 的说法表明,agents 可以扩大这类工作的覆盖范围。不过,其报告中的增益采用不同的衡量范围,且部署仍需人工批准。这个故事关注的是:一项有前景的实验与被广泛采用的改进之间所需的机制。

Meta AI agents 不再局限于发现改进

Meta 的最新报告将关注点从发现更优技术,转向让这些技术进入更多模型。

这一差异很重要,因为一次成功的实验不会自动变成可复用的改进。模型的架构,即其计算结构,会影响哪些变化适配。其训练流程和运行约束也会影响某项调整是否值得采用。

广告排序模型用于估算哪些广告与特定展示机会最相关。改进必须适用于该模型的具体任务。即使两个系统都在对广告排序,一项对某个模型有帮助的技术也不会因此自动适用于其他模型。

Meta 的由 agents 驱动的传播报告介绍了能够发现合适候选对象、泛化技术并支持采用的 agents。传播指将已验证的改进应用到其他适用模型。工程问题在于判断这种迁移在哪些场景合理。

此前于 3 月 17 日发布的 Ranking Engineer Agent 报告侧重于实验。Meta 描述了生成假设、启动训练、调试失败以及根据结果迭代的流程。该系统能够在持续数天或数周的实验间保留工作流状态。

这些活动彼此关联,但回答的是不同问题。实验要判断一个新想法是否能产生有用结果;传播则要判断一个已有前景的想法应当应用到哪里,以及在适用于那里之前需要作出哪些改变。

混淆这两个问题会夸大 11 月报告实际证明的内容。它并未宣布所有模型改进如今都能自动迁移。它描述的是一次尝试:让适配工作不再如此依赖工程师逐一监督每次尝试。

对开发者而言,这比泛泛宣称自主研究更具体。工作单元包含目标模型、实现方案和接受决策。因此可以审视 agents 在何处节省精力,又在哪些地方仍需协助。

这也改变了读者应如何理解其生产力主张。处理更多适配工作是一项工程吞吐量指标。它并不意味着每一次适配都会成功,也不意味着广告模型的准确性提高三倍。

实际变化是,原本需要争夺专家注意力的工作获得了更广的覆盖。这样的覆盖能否带来持久收益,取决于有多少成果通过验证。只有足够多的尝试取得有用结果,更多尝试才有价值。

这正是部署仍处于故事核心的原因。产生候选改动只是中间步骤。真正有意义的结果,是在工程师面临的相同约束下,某项改进在实际运行模型中赢得一席之地。

压力集中在适配能力上

瓶颈在于:让一个成功想法在其他场景中发挥作用所需的工作。

研究团队开发改进方案的速度,可能快于组织将其分发的速度。每增加一个目标模型,就会多出一项有关兼容性、测试和工程投入的决策。因此,模型集合的扩张会加重发现之后的负担。

这会给 ML 平台团队和模型负责人带来压力。他们必须在探索新想法与整合既有改进之间作出选择。即使底层研究已不再存在不确定性,这些选择仍可能让有用技术处于等待状态。

Meta 的描述使这种压力对于拥有多样化生产模型的组织尤其相关。生产意味着服务真实工作负载的系统。一项改动必须能在运行条件下证明自身价值,而不能只是在孤立实验中看起来有吸引力。

其中还存在资源分配问题。无论最终结果是否重要,测试所有可能的适配方案都会消耗计算能力。因此,选择实验本身成为工程工作的一部分,而不是围绕工程工作的行政事务。

因此,agents 的隐含收益比更快编码更具体。一次适配包括决定尝试什么、解读发生了什么,以及判断是否值得进行下一次尝试。减少这些协调需求,可以扩大工程师的有效工作范围。

不过,工程师的职责并未消失。仍需有人确定目标,并决定哪些约束重要。如果这些选择仍然模糊,agent 可能制造大量活动,却无法解决底层的业务或技术问题。

对于广告主,相关结果也与工程头条不同。更高效的开发流程并不会直接说明广告活动的效果。该报告不应被解读为承诺每位广告主都会获得相应改进。

同样的谨慎也适用于看到广告的人。更强的适配能力说明的是 Meta 的内部开发流程。它本身并不能证明广告相关性或用户体验会发生某种特定变化。

对于规模较小的工程组织,有用的比较对象是自身的整合积压。他们可能拥有较少模型,却依然难以复用成功实验。可迁移的经验在于这类工作的结构,而非 Meta 的规模。

团队需要知道有哪些改进、它们在哪里经过测试,以及此前尝试为何失败。否则,每次适配都要从重建理解开始。组织会为自己已经产生的知识反复付费。

这使得可搜索的技术文档与更广泛的工作流相关。可获取的证据能帮助工程师评估提议的改动并保留经验。不过,知识工具本身并不能提供 Meta 系统所描述的执行控制能力。

最终的压力既来自组织层面,也来自计算层面。Agent 提议仍需要明确的所有权、审查标准和目标模型。只有周边组织能将可接受的结果转化为可维护的改进,扩展适配能力才有意义。

共享模板为适配奠定基础

Meta 的 agent 策略建立在标准化之上,这使其此前的基础设施工作成为理解新主张的关键。

Meta 配套的标准模型模板报告描述了由共享组件构成、可复用的模型配置。模板确立共同选择,同时为必要差异留出空间。这为分发改进创造了更具结构的环境。

据 Meta 表示,早期标准化与自动化工作在两年内交付了超过 5,000 种技术—模型组合。该公司称,这些工作使单模型工程时间减少了 92%。这些数字描述的是模板基础,而非 agents 带来的增量贡献。

这种区分避免了一个容易出现的归因错误。读者不应将每个百分比和倍数相加,视为单一的 agent 性能指标。这些报告描述的是不同干预措施、不同时间段和不同工作单元。

其底层机制很直接。当多个模型共享一种实现模式时,部分适配工作可以复用。工程师无需将每个目标模型视为完全无关的软件项目。

标准化也使差异更容易识别。共享基础为审查人员提供了参照点,用于判断某个例外是否必要。缺少这种参照时,每种不寻常的配置都有可能成为又一个未被记录的特殊情况。

Agents 介入的是可复用结构无法自行解决决策的地方。通用模板可以减少重复实现,但无法保证每项技术都适合每个模型。围绕适用性和是否值得继续测试,仍需要判断。

这正是它与逐个由专家进行适配之间的核心差别。替代方案并不只是用 agent 替换人。它结合共享基础设施和自动化判断,让更少决策需要从空白页开始。

对于评估类似系统的团队而言,顺序很重要。将 agents 引入碎片化环境,并不会自动消除碎片化。相反,由于更多变化会同时到来,产生的不一致反而可能更难审查。

结构化环境提供了更清晰的边界。Agent 可以提出偏离方案,而审查人员可以检查相较既定基线发生了什么变化。这让建议更容易被接受、拒绝或复现。

Google 提供了一个有用的对比,但并未提供直接基准。其 AlphaEvolve 算法发现 系统将语言模型提出的方案与自动化评估相结合。Google 描述了其在计算基础设施中的应用,包括数据中心调度和模型训练。

两者的共同点在于可衡量反馈的重要性。两种描述都将生成的建议置于评估流程之中。它们的任务不同,因此各自报告的结果无法说明哪家公司拥有更好的通用工程 agent。

Meta 在这里强调的是让改进在异构模型群中迁移。Google 的例子则涉及发现和优化算法。两者共同说明,为建议提供支撑的评估系统值得获得与生成建议的模型同等程度的审视。

对于工程采购方而言,这限制了通用 agent 演示的参考价值。一次令人信服的编程演示,并不能证明该系统理解公司的模型或部署约束。这些联系需要各自的实现与证据。

实际的经验是,要审视是什么让智能体的提议具备可审查性。共享结构、可追溯的实验以及明确的验收标准能够降低不确定性。缺少这些要素时,表面上的自主性可能会把工作转移给下游审阅者,而非真正消除工作。

报告中的收益衡量的是不同事项

Meta 的生产力、算力和推广数据回答的是不同问题,应当保持区分。

所提供的说明将每位工程师可完成的技术模型适配数量增加三倍归因于智能体辅助工作流。这衡量的是工程师能够监督多少适配工作,但并不能证明收入、模型质量或已完成部署也有同等幅度的提升。

当工作的形态发生变化时,这一区分尤为重要。监督多个工作流,与亲自执行每一项工作并不相同。生产力指标需要反映由此产生的工作负担,同时不能暗示每一次额外尝试都会创造同等价值。

该报告还描述了,在选定的技术模型组合中,算力消耗中位数降低了四倍。选定范围很重要。读者不应将这一结果延伸为有关 Meta 全部机器学习工作负载的结论。

中位数描述的是有序数据集中的中间观测值,并不展示完整分布。某些适配的表现可能不同,但这并不与所报告的中间结果相矛盾。

选择范围也带来了代表性问题。读者需要了解受评估组合与其余工作负载之间的关系。某项结果可能在其测试组内准确,却只能为其他场景提供有限参考。

关键缺失的对比并不是又一个令人印象深刻的百分比,而是对流程输入与产出的连贯说明。失败的尝试、放弃的候选方案和审查投入,都会影响适配系统的实际价值。

算力核算也带来了另一个边界问题。一个系统可以在某个阶段节省资源,同时在其他环节增加开销。完整的评估应说明比较包含哪些成本,以及哪些成本仍被排除在外。

这并不会使较窄范围的衡量失效,而是决定了该衡量能够支持什么结论。针对选定适配的节省数据,是关于选定适配的有用证据,前提是报告没有将其夸大为普遍结论。

此前的模板数据同样需要类似的审慎态度。其两年历史表明,先前已经进行了大量自动化投入。不应将其表述为仿佛智能体独立完成了全部改进。

同样,3 月的 REA 推出也是一项独立评估。其试验结果并不会自动验证后续的推广系统。相关系统可以共享组件,但仍需要不同的成功衡量标准。

因此,对 Meta 说明最有力的解读应当是有条件且具体的。该公司称,智能体在明确界定的工作中扩大了适配能力并提升了效率。独立验证和更完整的测量细节,将增强人们对更广泛结论的信心。

持怀疑态度的读者无需否定这些结果。更有价值的回应是询问:随着部署范围扩大,这些定义是否仍然稳定。一致的核算比比较孤立的标题倍数更重要。

对于评估 Meta 广告自动化影响的团队而言,这是核心的衡量经验。内部工程吞吐量只是多个结果之一。业务成果、运营可靠性和长期维护都需要各自的证据。

如果公司在更广泛的推广中同时报告失败工作和成功部署,这将具有参考价值。这样的披露有助于区分是候选方案筛选得更好,还是仅仅处理了更多候选方案。两者都可能有所贡献,但描述的是不同的改进。

同样的推理也适用于 Meta 之外的场景。当工作单元保持明确时,智能体性能主张更容易评估。“更高效”远不如在可比约束下衡量的明确结果更具信息价值。

人工审批仍然界定终点

Meta 描述的是智能体在评估和审批流程内运行,而非独立决定哪些内容进入生产环境。

该报告要求实现离线改进,即在上线部署前衡量收益,同时保持成本和性能护栏。它还要求在线 A/B 测试取得具有统计显著性的胜出结果。A/B 测试利用实时实验组比较不同方案。

据 Meta 称,最终由人工批准发布。这一边界很重要,因为提出的改进与已部署的改进承担着不同责任。智能体可以为证据提供贡献,但不拥有最终的组织决策权。

评估流程也揭示了广泛自主性主张的局限。可靠执行并不意味着每项判断都可以自我验证。系统仍需要外部标准来判定其结果是否可接受。

在优化存在相互竞争目标时,这一点尤为重要。一项变更可以改善预测指标,同时增加运营要求。组织必须在实验能够解决问题之前,决定哪些权衡可以接受。

因此,人工审批不应只是确认一份摘要。审阅者需要获得足够证据,以理解提议的范围和局限。否则,审批就会沦为贴在仍难以审查的决策上的程序标签。

公开说明并不能证明每位审阅者都获得了同样清晰的证据。这是一个评估问题,而非对失败的指控。随着工作流量增加,审查材料的质量将愈发重要。

同时也存在瓶颈转移的风险。如果智能体生成可接受提议的速度快于工程师审查的速度,审查队列就可能增长。更多适配活动届时未必能按比例转化为部署。

这是一项分析性担忧,而非 Meta 已报告的结果。它源于生成工作与批准工作之间的差异。任何关于端到端吞吐量的主张,都需要涵盖这一最终转换环节。

问责也会在审批后继续延伸。模型需要维护,而一项变更背后的推理必须保持可理解。如果其依赖关系或运行假设变得难以恢复,已部署的改进可能会带来未来工作。

这使实验历史的价值超出了眼前决策本身。一次不成功的尝试可以解释,为何后续提议会避开某种特定配置。一次成功的尝试则可以记录其结果成立的条件。

对于阅读报告的工程师而言,实际问题是自动化是否保留了这条推理链。有效的自主性应留下可审查的记录。当证据不足以支持有把握的建议时,它还应让不确定性变得可见。

Meta 所述的审批边界,使其报告立足于工程工作流。该公司描述的是执行与监督的重新分配,并未证明广告模型开发不再需要专家判断。

这一差异与考虑在其他领域采用智能体的企业买家相关。能够访问重要工作流的系统,需要的不仅是行动权限,还需要明确提议、证据、审批与责任之间的关系。

可信的承诺是减少对常规工作的重复监督。尚未解决的挑战是在工作量增长时保留知情监督。两者都应纳入对智能体辅助工程的同一项评估中。

三个信号将检验下一阶段

下一项有用证据将显示,更广泛的覆盖范围是否能在一致衡量下带来更快的获批部署。

第一,关注推广时间。Meta 表示,目前覆盖所有适用模型可能需要一年以上。其既定目标是三个月,但这仍是目标,而非已报告的成果。

未来更新应定义该时钟从何时开始、何时结束。一项已确立但等待适配的技术,与仍在调查中的候选方案不同。一致的边界将使这一目标在连续报告之间具有意义。

分母同样重要。“适用模型”应说明稳定的资格规则,而不是仅在成功部署后才界定的群体。否则,表面上的进展将难以与更狭窄的报告范围区分开来。

第二,关注端到端吞吐量。Meta 的目标是提升五倍,这不同于其报告的每位工程师处理适配数量提升三倍。未来报告需要将这些指标联系起来,但不能将它们视为可互换的概念。

最有力的信号将是,在审查需求可控的情况下实现更多获批部署。仅增加尝试的适配数量,支持力度会更弱。这只能表明活动扩大,而核心交付问题仍未得到解答。

这一信号还检验模板基础是否持续支持更广泛的使用。复用应减少重复投入,但例外情况仍需关注。报告这些例外如何影响完成情况,将使运营模式更易评估。

第三,关注算力效率是否能在更广泛、明确定义的适配集合中保持。选定范围内的中位数结果提供了初步参考。更全面的核算将帮助读者判断其对更广泛工作负载的相关性。

如果未来证据纳入失败尝试以及运行智能体工作流的成本,其说服力将更强。这将把局部效率与部署所需的总投入联系起来,也将减少围绕“节省”一词的歧义。

这些是未来数月的观察重点,而非已宣布的报告承诺。Meta 已说明其目标,但这并不能证明它将在何时发布下一项衡量结果。读者应将目标与预定披露区分开来。

对于开发者而言,该报告最有用的启示是审视成功实验与采用之间的空间。识别工作在哪些地方等待、知识在哪些地方被重新构建,以及审批在哪些地方缺乏足够证据。这些细节决定了额外自动化是否解决了真正的约束。

随着更多结果出现,应通过这些运营问题重新审视 Meta AI agents。询问是否有更多改进到达合适的模型、总投入是否下降,以及审阅者是否保有明确的决策权。更大量的智能体行动本身无法回答其中任何问题。沿着从已验证技术到获批部署的路径审视,并根据最终抵达的结果来判断该系统。

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page