学術＆研究 - ACADEMICS & STUDY -

LLMの内部ニューロンで広告表示を調整　回答にブランド情報を自然に組み込む「Neuron Auctions」を提案　清華・カーネギーメロン・ハーバード大学などの研究

清華大学、Carnegie Mellon University、Harvard Universityなどの研究者らは2026年5月8日、LLMの内部ニューロンを調整し、回答内にブランド情報を自然に組み込む広告オークション手法「Neuron Auctions」を提案する[論文]をarXivで公開した。 従来の検索広告では、検索結果の上位枠など、広告を表示する位置が比較的明確だった。一方、LLMの回答は会話の流れに沿って生成されるため、固定された広告枠を設けにくい。広告文をプロンプトで挿入したり、決まった位置に差し込んだりすると、回答の自然さや意味の一貫性を損なうおそれがある。 研究チームはこの課題に対し、広告を表層のテキストではなく、LLM内部の表現空間で扱う手法を提案した。ブランドに関連するFFN（Feed-Forward Network）ニューロンを特定し、その活性を生成時に増幅することで、特定ブランドが回答内で言及・推薦されやすくなるという。 ## ブランド関連ニューロンの活性を増幅 Neuron Auctionsでは、ユーザーの入力プロンプト自体は変更しない。代わりに、各ブランドに強く関連するニューロンを勾配ベースの手法で特定し、生成時にその活性を一定係数で増幅する。 論文では、ホテル、航空会社、スポーツブランド、音楽配信サービス、高級時計ブランドなどを例に、ブランド名を想起させる複数の穴埋め形式のプロンプトを用いて、ブランドに対応するニューロンを抽出している。単一のプロンプトでは文脈によるノイズが入りやすいため、意味が近く表現の異なる複数のプロンプトを使い、ブランドそのものに安定して反応するニューロンを探す。 さらに、競合ブランドにも反応しやすいニューロンを除外するため、対象ブランドへの寄与と競合ブランドへの寄与を比較する。これにより、単に「同じカテゴリの商品一般」に反応するニューロンではなく、特定ブランドの生成に関与しやすいニューロンを選ぶ。 **■ Neuron Auctionsにおけるニューロン介入の概要** ![LLM Advertisement based on Neuron Auctions fig1.jpg] :::small 画像の出典：[Peiran Yun et al.「LLM Advertisement based on Neuron Auctions」 ]{target=“_blank”} ::: ## 介入するニューロン数で「推薦の強さ」を調整 この手法では、広告主が購入する対象は検索結果の掲載順位ではなく、LLM内部への介入の強さになる。具体的には、対象ブランドに関連する上位k個のニューロンを選び、その活性を増幅する。kの値が大きいほど、対象ブランドが回答内で言及されやすくなる。 研究チームは、Qwen3-4B、DeepSeek-R1-8B、Llama-3-8Bを用いて、2つの広告主の組み合わせ100通りで実験した。さらにQwen3-4Bでは、3つの広告主の組み合わせ20通りでも検証した。 実験では、対象ブランドに割り当てるニューロン数を増やすほど、そのブランドの回答内での言及が増える傾向が確認された。複数ブランドを同時に介入させた場合でも、各ブランドに最も大きな影響を与えるのは、自社に割り当てられたニューロン数だったという。 ただし、介入の強さを上げすぎると、モデルが同じブランド名を繰り返すなど、生成が不安定になる場合もあった。論文では、介入係数を比較したうえで、推薦効果と生成の安定性のバランスから、実験では共通の増幅係数として2.0を用いている。 ## 広告主・プラットフォーム・ユーザー体験のバランスを取る Neuron Auctionsは、広告主に対して複数の選択肢を提示するメニュー型のオークションとして設計されている。各選択肢には、介入するニューロン数と価格が設定される。広告主は、自社のクリック率や投資対効果を踏まえ、最も利益が大きい選択肢を選ぶ。 プラットフォーム側は、広告主から得る収益だけでなく、ユーザー体験への影響も目的関数に組み込む。広告の介入が強すぎると、回答が不自然になったり、ユーザーの意図から外れたりする可能性があるためだ。 論文では、回答の関連性、表現の一貫性、広告統合の自然さ、クリック意欲などを評価指標として用いている。ユーザー体験を重視する設定では、プラットフォーム収益や広告主の効用が下がる一方、ユーザー側の満足度が上がる傾向が示された。 **■ 図）ユーザー体験と広告収益のトレードオフ** 左図は2広告主、右図は3広告主のケースを示す。ユーザー体験を重視する重み wuserw_{user}wuser​ を大きくすると、いずれのケースでもユーザー効用は上昇し、プラットフォーム収益は低下する傾向が見られる。論文はこの結果を、LLM広告における収益化とユーザー体験のトレードオフとして示している。 ![fig5 Scores over wuser.jpg] :::small 画像の出典：[Peiran Yun et al.「LLM Advertisement based on Neuron Auctions」 ]{target=“_blank”} ::: ## 実用化ではなく、LLM広告設計の研究 この研究は、特定の商用LLMに導入された広告機能を報告するものではない。LLMの回答に広告を組み込む場合、どのような対象をオークションにかけ、どのように広告主の利益、プラットフォーム収益、ユーザー体験を両立させるかを検討した研究である。 論文は、Neuron Auctionsが単発の生成では有効に機能する一方、複数ターンにわたる会話エージェントへの拡張は今後の課題だとしている。実サービスでの利用を考える場合には、広告表示の透明性、ユーザーへの開示、モデルの中立性、規制対応なども論点になる。 :::box [関連記事：Google、AIチャットボット会話内に広告を導入──AdSense for Searchを拡張し試験運用を開始] ::: :::box [関連記事：「もしAIチャットが広告だらけになったら？」 99helpersが体験デモ「Ad-Supported AI Chat Demo」を公開] ::: :::box [関連記事：GoogleのAIモードに広告が出現、海外ユーザーからの報告──Googleは「既存テストの一部」とコメント] ::: :::box [関連記事：Perplexity、AI検索の広告を段階廃止──2024年の実験から方針転換、「信頼性」優先へ] ::: :::box [関連記事：Metaが、AI チャットでの対話内容をFacebook／Instagramの広告最適化に利用すると発表— 12月導入、ユーザーはオプトアウト不可] :::