小红书精读：MAPS: A Multi-Agent Personalized Script-Driven Video Advertising System Enhanced by Reinforcement Learning

视频广告不检索了，改成让模型现写脚本

各位算法同学们，视频广告一直被“创意库存”卡着脖子：投放端只有预先拍好的一批素材，用户偏好天天变，也只能等下一轮生产。这篇工作干脆把检索换成生成，脚本由模型写、视频由脚本合成，快手线上 ARPU 提了 9.85%。

📄 MAPS: A Multi-Agent Personalized Script-Driven Video Advertising System Enhanced by Reinforcement Learning

🔧 四个 Agent 串成闭环：Profile 建用户画像（兴趣主题、表达风格、隐性需求、决策倾向四个维度），Scripter 写分镜脚本，Director 合成视频，Reflector 把线上反馈归因到画像层和脚本层再回传，投放后还能继续迭代。

🧩 脚本被当成“中间接口”：它同时承载用户画像和商品卖点，比直接生成视频好控，也比检索素材粒度更细，等于把离散库换成了连续创意空间。

⚙️ Scripter 用 GRPO 训练，配多维奖励函数，一头管输出结构规范，一头管用户偏好对齐和商品信息忠实度，两个目标直接写进 reward。

📊 线上 A/B（快手某场景，对比生成式 baseline）：CTR +2.87%，CVR +2.74%，ARPU +9.85%。

📈 离线在两类代表性任务上验证了画像拟合和生成创意质量，但主要是自证，别当硬指标看。

✅ ARPU 的提升幅度最大，说明收益不只来自点击率，还来自创意与商品卖点的匹配度。

总结：想真落地，先盯 Reflector 的归因链路是否可靠，反馈噪声大的场景里错误归因会把画像带偏；和纯检索方案比，它的上限取决于脚本生成质量，而不是候选池大小。做广告创意生成、多智能体编排的同学可以跟，但重点看它的奖励函数怎么防 reward hacking。

原文：AlphaXiv