设计您的广告：使用统一自回归模型生成个性化广告图像和文本

生成真实且用户偏好的广告是电子商务中的一个关键挑战。现有方法利用由点击率（CTR）驱动的多个独立模型来可控地创建有吸引力的图像或文本广告。然而，他们的渠道缺乏跨模式感知，并且依赖于仅反映平均偏好的点击率。因此，我们探索根据历史点击行为共同生成个性化图文广告。我们首先设计了一个统一广告生成模型（Uni-AdGen），它采用单个自回归框架来生成广告图像和文本。通过结合前景感知模块和指令调整，Uni-AdGen 增强了生成内容的真实感。为了进一步个性化广告，我们为 Uni-AdGen 配备了从粗到细的偏好理解模块，该模块可以有效地从嘈杂的多模态历史行为中捕获用户兴趣，从而推动个性化生成。此外，我们构建了第一个大规模个性化广告图像文本数据集（PAd1M），并引入了产品背景相似度（PBS）指标来促进训练和评估。大量的实验表明，我们的方法在一般和个性化广告生成方面优于基线。我们的项目位于 https://github.com/JD-GenX/Uni-AdGen。