在您正在阅读的文章和旁边的广告之间，一场安静的战争正在为您的视线展开。大多数展示广告会失去这一战斗，因为人们就是讨厌广告——如此之深，以至于像 Perplexity 或 Anthropic 这样的大型科技公司正在努力摆脱这些侵入性的负担，寻找更好的货币化模式。

但是来自马里兰大学和蒂尔堡大学研究人员的新人工智能工具希望改变这一点——通过令人不安的精准预测，在任何人费心在这里放置广告之前，您是否真的会关注广告。

这个工具叫做 AdGazer，它通过分析广告本身以及周围网页内容来工作——然后根据大量的广告研究历史数据预测，典型观众会盯着广告及其品牌标志的时间。



该团队利用3531个数字展示广告的眼动追踪数据对系统进行了训练。真实的人佩戴了眼动追踪设备，浏览网页，他们的注视模式被记录下来。AdGazer 从中学习了所有内容。

在测试从未见过的广告时，它以0.83的相关性预测关注度——这意味着其预测与实际人类注视模式大约有83%的重合度。

与专注于广告本身的其他工具不同，AdGazer 会读取周围的整页内容。旁边有财务新闻文章的奢侈手表广告，其表现与旁边有体育比分直播的同一手表广告截然不同。

据发表在 营销杂志 的研究显示，周围的上下文至少占广告所获得注意力的33%——并且约20%是观众专门关注品牌的时间。这对那些长期以来认为创意本身已完成所有艰巨工作的营销人员来说是个大问题。

该系统使用多模态大型语言模型从广告和周围页面内容中提取高层主题，然后确定它们在语义上的匹配程度——基本上是广告本身与其所处上下文之间的对比。这些主题嵌入被输入到XGBoost模型中，该模型将它们与较低层次的视觉特征结合，以生成最终的关注分数。

研究人员还构建了一个界面 Gazer 1.0，您可以在其中上传自己的广告，围绕品牌和视觉元素绘制边框，并获得预测的注视时间，单位为秒——同时提供热力图，显示模型认为哪些部分的图像会吸引最多的注意力。它无需专业硬件即可运行，但完全依赖LLM的主题匹配仍需要不在公共演示中整合的GPU环境。

目前这仍是一个学术工具。但架构已经到位。研究演示与生产广告技术产品之间的差距以月份来衡量——而不是以年计。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。