Con la proliferación de la IA generativa, el mercado de comercio de prompts está creciendo rápidamente. Sin embargo, las plataformas de comercio actuales, como PromptBase, todavía están dominadas por los vendedores en la fijación de precios, careciendo de un estándar objetivo de medición de precios. Ante este desafío, el equipo de Multimedia y Seguridad Inteligente de la Universidad de Fudan propone un innovador modelo de comercio de prompts, diseñado para adaptarse mejor al futuro mercado de compradores.
Este nuevo modelo de comercio se compone principalmente de dos etapas: la selección de categorías de prompts y la elaboración de estrategias de precios. En la primera etapa, la plataforma utiliza un algoritmo de máquinas tragaperras multibrazo basado en búsqueda voraz para seleccionar las categorías de prompts que se venderán en función de la evaluación de la calidad. La segunda etapa emplea un método de juego Stackelberg en cascada, considerando al comprador, a la plataforma y al vendedor como líder de primer nivel, líder de segundo nivel y seguidor, respectivamente, priorizando los intereses del comprador.
El núcleo del modelo radica en la consideración integral de la relevancia y la calidad del prompt y el contenido generado, permitiendo que las partes involucradas en la transacción establezcan la estrategia óptima tras sopesar los costes y los ingresos. Mediante el establecimiento de un rango de precios razonable y los requisitos de riqueza de prompts, el modelo equilibra eficazmente los intereses de las tres partes, con la expectativa de lograr una situación beneficiosa para todos.
Las investigadoras Mei-Ling Li y Hong-Run Ren detallan este modelo en un artículo publicado recientemente en arXiv. Argumentan que este modelo de comercio no solo regulará mejor el mercado de prompts, sino que también podría reducir los costes de los creadores de contenido y mejorar su eficiencia.
Con el aumento de la cantidad de artículos de prompts y la reducción de los costes de transacción, este modelo podría remodelar el ecosistema de creación de contenido de IA. Sin embargo, el equipo de investigación también señala que el diseño de la función de beneficio de las partes involucradas en la transacción y la evaluación de la calidad del prompt siguen siendo factores clave que influyen en la fijación de precios final. En el futuro, planean ampliar este resultado a escenarios de fijación de precios de prompts más amplios.
Esta investigación ofrece una nueva perspectiva para resolver el problema de la fijación de precios de prompts, y es probable que desempeñe un papel importante en la creación y el comercio de contenido de IA en el futuro.
Dirección: https://arxiv.org/pdf/2405.15154