magicwt

多任务学习（Multi-Task Learning，MTL）是一种机器学习方法，其对多个不同类型的任务进行联合学习，相比于对多个任务分别单独建模进行学习，多任务学习可以通过共享模型参数减少整体参数量，

书接上回《多任务学习、多场景学习相关论文阅读笔记（1）》，上一篇主要是多任务学习数篇相关论文的阅读笔记，这一篇主要是多场景学习数篇相关论文的阅读笔记，如有不足之处，请指正。 多任务学习、多场景学习的主

随着机器学习、特别是深度学习的不断发展，其广泛应用于计算广告投放流程的各个阶段。笔者最近对深度学习在计算广告中应用的相关论文进行阅读和梳理，本文是对相关阅读笔记的汇总。文末附录了相关阅读笔记的地址，也

笔者在《深度学习在计算广告中的应用》一文中较体系化地介绍了效果广告整体投放流程以及深度学习在流程各环节中的应用，其中，排序环节会使用模型预估点击率、转化率，并使用以下公式计算

广告主在投放效果广告时，会对广告流量设置一定的出价，而广告平台会基于多个广告主的出价进行广告流量的竞价，对竞价胜出的广告主，在广告流量上展示其广告，并进行计费。随着效果广告业务和技术的不断发展，

总体 《深度学习在计算广告中的应用》 召回 《广告召回论文阅读笔记（1）-双塔模型》 《广告召回论文阅读笔记（2）-从TDM到二向箔》 粗排 《广告粗排相关论文阅读笔记》 点击率预估 《点击率预估论文

Agent是一个由来已久的概念，其可以表示一个能够感知环境、做出决策并采取行动的系统。在大语言模型横空出世之前，Agent的研究与应用已经经历了长期的发展，最近一个发展的高潮是基于强化学习的Agent

计算广告中，广告主在投放广告时一般会在广告的推广层级（例如计划）上设置天级预算，广告投放系统需要保证广告主的计划在一天中的实际消耗不超过预算，另外，为了让广告主的计划中的广告在每天的各个时段尽可能触达

概述 笔者梳理的《PID控制器原理及在预算平滑中的应用》介绍了PID控制器的原理和在计算广告预算平滑场景下的应用，其实在计算广告中还有很多场景应用了PID控制器。只要某对控制变量和被控制变量较难提前根