The event has been closed.

| 关于PPT和回放：

1. 活动结束后，PPT和回放视频 将会上传至「美团技术团队」小程序，可扫码查看~

2. B站 回放视频 可点击：https://b23.tv/XEm1VvF

报名成功后添加“小助手”微信进群

| 关于美团技术沙龙

活动由清华大学-美团数字生活联合研究院和深圳市美团机器人研究院联合出品，美团技术团队和美团科协主办。

技术沙龙论文分享会将精选美团在不同领域学术会议上发表的论文，邀请作者分享研究成果，期待与大家交流经验，共同促进技术前沿的探索。

本期活动为KDD2024专场。

• 同时为了方便交流，大家可以提前提出问题，我们转给论文作者们解答，问卷地址在这：https://wenjuan.meituan.com/m/survey/5366177

  
  

• 论文下载可以在【美团技术团队】公众号查看

      （点击以上标颜色区域即可跳转）

/出品人/

Wei Lin，美团高级研究员

毕业于北京航空航天大学，2022年加入美团，推进了到家业务商流侧(包括搜索、推荐、营销和供给)算法和工程体系的升级工作，在加入美团之前，负责阿里妈妈搜索广告算法技术，在搜推广领域有超过10年的深耕经验。

| 日程安排

| 分享介绍

Zhen Zhang, 中国人民大学高瓴人工智能学院博士在读

2023年加入美团广告部门，在美团全程参与设计了联合拍卖模型和JRegNet神经网络架构的搭建和调试运行。 

Joint Auction in the Online Advertising Market

在线广告市场中的联合拍卖

论文简介：在线广告是电子商务平台的主要收入来源。在当前的广告模式中，受众是那些愿意支付额外费用以提升店铺位置的店主。另一方面，品牌供应商也希望在店铺中为其产品做广告以提升品牌销售。然而，目前使用的广告模式无法同时满足店铺和品牌供应商的需求。为了解决这一问题，我们创新性地提出了一种称为“联合拍卖”的广告模型，允许品牌供应商和店铺共同竞拍广告位，以满足双方的需求。然而，传统的广告拍卖机制并不适用于这种新颖的场景。在本文中，我们提出了JRegNet，一种用于最优联合拍卖设计的神经网络架构，用于生成能够实现最佳收入并保证（近似）占优策略激励兼容和个体理性的机制。最后，我们在模拟数据和真实数据上进行了多次实验，结果表明，我们提出的联合拍卖相比已知的基准显著提高了平台的收入。 

---------------------------------------

Kun Sun，美团工程师

毕业于西安交通大学，2021年加入美团，工作内容主要是外卖C端补贴的定价策略开发和实验效果评估。  

STATE: A Robust ATE Estimator of Heavy-Tailed Metrics for Variance Reduction in Online Controlled Experiments

A/B实验中重尾指标的ATE鲁棒估计 

论文简介：在线控制实验是评估营销活动效果的重要工具。其中，方差缩减方法可以有效地提高实验灵敏度，从而使用更少的样本或更短的实验周期得到置信的实验结论。一些典型的方法如CUPED/CUPAC/MLRATE等已逐步部署到各大公司的实验平台来提高实验的统计功效。在本文中，我们将 t 分布与机器学习工具相结合，来表征重尾指标，通过变分EM优化方法，推断得到一个鲁棒的ATE估计器，我们称之为 STATE。它有效地缓解了离群点的干扰并显著降低了ATE估计的方差。 此外，我们通过利用无偏的线性变换，将 STATE 方法从计数度量（count metric）扩展到比率度量（ratio metric）。 我们在合成数据集和美团外卖的业务数据上都证明了STATE方法的有效性。 

---------------------------------------

Hao Zhou，美团技术专家

主要研究方向是因果推断、近似算法等。

Decision Focused Causal Learning for Direct Counterfactual Marketing Optimization

营销场景中基于决策的因果学习框架

论文简介：营销优化对于在线互联网平台的用户增长起着重要作用。现有的研究通常将这个问题表述为预算分配问题，并利用两个完全解耦的阶段，即机器学习（ML）与运筹优化（OR）来解决。 本文提出了一种基于决策的因果学习方法（DFCL），将ML与OR两个阶段集成到一个端到端的因果学习框架中，使得机器学习模型能以下游OR阶段的优化目标作为损失函数，从而保证ML阶段与OR阶段优化方向的一致性。其次，DFCL克服了营销场景中的预算不确定性，反事实推断问题以及计算效率问题等多个技术挑战，使得DFCL可以实现针对大规模在线用户营销场景的直接反事实优化。离线实验和在线 A/B 测试都证明了 DFCL 相对于传统因果推断方法的有效性。目前，DFCL已在美团的多个营销场景部署并应用。 

| 报名方式

点击本页面报名，美团同学无需报名，内部大象会有通知~

往期活动PPT及视频干货攻略

美团技术沙龙已举办了80多场，吸引了10万多工程师报名参会，覆盖前端、后台、系统、算法、测试、运维等技术领域，往期PPT及视频资料已整理，欢迎关注美团技术团队公众号（meituantech），通过【菜单栏】下的【技术沙龙】进行查看。