一周 1 万商品，CTR 提升 18.7%：京东 AutoPP 海报评测

一周 1 万商品，CTR 提升 18.7%：京东 AutoPP 海报评测

京东云开发者社区在 2026 年 7 月 28 日发了零售广告创意的海报系统 AutoPP。页面作者是社区账号 jd****。稿里写论文是 AAAI 2026，链接 arXiv:2512.21921，代码在 JD-GenX/AutoPP。社区稿把评测协议和线上点击率写进了正文，表 1、表 2 的具体分数只在图里。

AutoPP 做的是商品海报：输入商品基础信息，同时给出背景、文案和布局，再渲染成图。优化侧不是只改背景，而是一次只换一个元素，用点击率看是谁在起作用。

离线对比先把不能比的模型拿掉

海报生成比的是 AutoPP、用同一数据集训练的开源方法，以及闭源的 GPT-4o。Seedream 2.0 不进表。原因不是分数低，而是它可能改产品外观，造成消费者误解。GPT-4o 拿到的产品基础信息和 AutoPP 相同。开源方法用的训练集也相同。

正文只写了结论：视觉质量和布局合理性都优于表里其他方法。图 3 的定性说法是，P&R 和 PAID 用人工渲染规则，容易文字模糊、挡住产品；GPT-4o 的中文笔画经常错。表 1 的各项分数没有写成数字，不能在这里补。

视觉文本是第二张表。所有方法用同一套真实布局、背景提示词和文本。Glyph-byt5-v2 和 Anytext-v2 用图像修复保住产品区域不被改掉。正文写 AutoPP 在文本准确率和视觉质量上最好。表 2 的准确率同样只在图里。

文本这一项在训练里有专门损失。流匹配的速度场损失之外，加了 OCR 感知损失：用冻结的 PaddleOCRv4 抽重建图的中间特征，和目标对齐。平衡系数 λ 写成 0.1。这是训练设置，不是表 2 的测试准确率。

线上实验一次只换一个元素

点名的问题是，以前的 CTR 优化大多只动背景。背景、文案、布局绑在一起改，就说不清提升来自哪一块。

AutoPP 的做法是元素替换。从一张海报 P 和它的三要素出发：背景提示词 b、选定文本、布局 l。每次只动一个，其余固定，再渲染成 P′。

• 背景：把原商品图和 b 交给 GPT-4o，生成一个不同、但仍然适合这个商品的 b′。
• 文本：从同一候选集里换一条长度匹配的文案。
• 布局：用统一设计模块再出一版 l′。

这些成对海报拿到京东上轮播，收集 CTR，得到哪张更高。对齐时不用整张图的标准 DPO。IDPO 按元素加权：背景、文本、布局可以有不同权重，用指示函数决定这次比较动的是哪一个。似然先做归一化，再放进原来的 DPO 目标。稿里没有写出三元素的具体权重，也没有写温度参数的取值。

1 万商品、一周、三组相对 CTR

优化效果比的是 AutoPP、CG4CTR 和 CAIG。随机抽 10,000 款商品，每种方法每款只出一张海报，在京东上跑一周，收 CTR。

正文写的相对结果是：

• AutoPP 平均 CTR 提升 18.7%。
• CG4CTR 相对 CTR 下降 3.2%。稿里的解释是过度依赖图像特征。
• CAIG 相对 CTR 下降 1.5%。稿里的解释是文本还能优化，布局适应性不够。

18.7%、-3.2%、-1.5% 都叫「相对 CTR」。原文没有写对照是原人工海报、无优化生成，还是实验组彼此之间，也没有写曝光量、点击量和显著性。10,000 是商品数，不是曝光次数。一周是实验时长，不是统计窗口的全部说明。

不能从这篇读出的东西

表 1、表 2 证明了有离线对比，但分数不在文字里，视觉质量和文本准确率不能写成某一个百分点。Seedream 2.0 被排除是产品外观约束，不是它在这套指标上输了。GPT-4o 的中文问题来自定性图，不是一张中文 OCR 准确率表。IDPO 的元素权重没有给数。文末有招聘说明，和评测协议无关。

能直接拿去用的是对照方式：会改商品外观的模型不进生成质量表；开源基线用同一训练集；闭源模型给同一份商品信息；文本评测锁住真实布局和文案，并用修复保住产品区域；线上一次只换背景、文案或布局中的一个，用一周的真实 CTR 看相对升降，而不是只看离线视觉分。

京东云开发者社区，jd****，京东零售广告创意：自动化商品海报生成与优化（AAAI 2026），2026-07-28，https://developer.jdcloud.com/article/4545