Avec la popularisation de l'IA générative, le marché de la transaction de prompts se développe rapidement. Cependant, les plateformes de transaction actuelles, comme PromptBase, sont encore dominées par les vendeurs en termes de fixation des prix, et manquent de critères objectifs d'évaluation. Face à ce défi, l'équipe multimédia et sécurité intelligente de l'Université Fudan propose un modèle de transaction de prompts innovant, visant à mieux s'adapter au futur marché d'acheteurs.
Ce nouveau modèle de transaction comprend deux phases : la sélection de la catégorie de prompts et la définition de la stratégie de prix. Dans la première phase, la plateforme utilise un algorithme de bandit manchot à recherche gloutonne pour sélectionner les catégories de prompts à vendre en fonction de l'évaluation de la qualité. La deuxième phase utilise une méthode de jeu en cascade de Stackelberg, considérant l'acheteur, la plateforme et le vendeur respectivement comme le leader de premier niveau, le leader de second niveau et le suiveur, en donnant la priorité aux intérêts de l'acheteur.
Le cœur du modèle réside dans la prise en compte de la pertinence et de la qualité du prompt par rapport au contenu généré, permettant à chaque partie de la transaction de définir une stratégie optimale en fonction du rapport coût-revenu. En définissant une fourchette de prix raisonnable et des exigences de richesse des prompts, ce modèle équilibre efficacement les intérêts des trois parties, promettant une situation gagnant-gagnant.
Les chercheurs Mei-Ling Li et Hong-Run Ren ont détaillé ce modèle dans un article récemment publié sur arXiv. Ils estiment que ce modèle de transaction permettra non seulement de mieux réglementer le marché des prompts, mais aussi de réduire les coûts et d'améliorer l'efficacité de création pour les créateurs de contenu.
Avec l'augmentation du nombre de prompts et la baisse des coûts de transaction, ce modèle pourrait remodeler l'écosystème de création de contenu par IA. Cependant, l'équipe de recherche souligne que la conception des fonctions de profit des parties prenantes et l'évaluation de la qualité des prompts restent des facteurs clés influençant le prix final. À l'avenir, ils envisagent d'étendre ces résultats à des scénarios de tarification de prompts plus vastes.
Cette recherche offre une nouvelle approche pour résoudre le problème de la tarification des prompts et devrait jouer un rôle important dans la création et la transaction de contenu IA à l'avenir.
Adresse : https://arxiv.org/pdf/2405.15154