OpenAI 已经公开了 ChatGPT 广告栈的关键结构:广告选择与自然答案运行在不同服务、不同模型和不同代码中;聊天侧把请求上下文发送给广告服务,广告侧用独立 LLM 编排检索、过滤、相关性评分、竞价和投放。
这比一张 Sponsored 标签提供了更强的架构证据,也改变了审计起点。到 2026 年 11 月,准确问题已经从 OpenAI 有没有解释系统边界,变成公开边界怎样被外部验证,以及它能否跨模型、广告市场和个性化策略持续成立。
答案独立是一项因果承诺:用户需求、模型配置和工具条件保持一致时,广告主参与、竞价结果、广告资格和个性化开关不应系统性改变自然答案。架构分离使这项承诺更可信,行为对照才能测量它。
本文是 2026 年 9 月英文原稿的中文更新版。证据核查截至 2026 年 11 月 6 日;英文公开页保留其历史版本。
现在已知的架构边界
OpenAI 2026 年 10 月 21 日的工程说明披露了三层结构。
第一层是独立答案路径。ChatGPT 核心服务负责生成自然回答,广告选择并行运行在另一项服务中,二者使用独立模型和代码。广告系统变慢或不可用时,自然回答无需等待。
第二层是有状态广告会话。ChatGPT 把初始请求上下文发送给广告服务;广告系统在合格回合中跟随多轮意图变化。开启个性化后,广告编排器还可以使用部分非敏感历史信号。
第三层是广告 LLM 编排器。它把对话摘要转成语义查询,调用候选检索、资格过滤、相关性和质量评分、预测互动、竞价及最终适配检查。中选广告只有及时到达前端并实际展示,才成为用户可见 impression。
这些细节推翻了旧稿中尚未公开详细架构的表述。它们仍属于平台自述,且只描述设计,不等于第三方已经验证实现和长期运行结果。
先承认已有研究,再界定新增工作
Sangok Kim 2026 年 7 月的前序研究已经把 Answer Independence 分解为五个构件:内容不变、品牌提及中立、语气中立、省略中立和长期稳定。论文进一步提出 sponsor disclosure、counterfactual access 和 third-party pipeline auditing 三项审计要求。
因此,外部审计的理论问题已经有人提出,内容空白不能再写成没人定义答案独立。当前仍缺的是可运行的工程协议:处理组如何构造,哪些输出指标能捕获商业偏移,三向数据流如何独立验收,版本变化后怎样持续复测。
本文的增量限定在这四处:
- 把 counterfactual access 落成可随机化的广告处理组;
- 用推荐集合、排序、语气、决策标准和引用指标替代单一文本相似度;
- 分开审查 ChatGPT 到广告主、广告主到 OpenAI、OpenAI 内部选择三条数据流;
- 用预注册阈值和版本化 Canary 检查长期稳定。
早期外部研究提供了什么基线
预印本 The Beginning of ChatGPT Ads 使用 91 个模拟账号,按三类族裔信号和三档收入位置形成 3×3 设计,共运行 127,801 次对话并收集 3,602 条广告,其中 3,573 条来自 3 月 8 日至 31 日的核心窗口。论文摘要写 186 个独立广告主,正文写 191 个,原文内部存在不一致。
研究观察到清晰赞助标签、账号首次收到广告的中位时间约 14 天,以及已经开始收广告账号约 24% 的中位广告率。它还报告较低收入位置与更高的至少收到一条广告概率相关,样本没有发现显著族裔差异。
这组证据适合描述美国早期投放和界面分离,无法验证答案独立。研究没有操纵广告主资格、出价或个性化状态,也没有比较处理组之间的自然回答。核心窗口约三周,只有约 65% 的 Prompt 成功完成,模拟账号还可能被平台识别。它提供的是广告分配基线,而非答案因果审计。
把平台声明转换为四个实验处理组
平台内部可以直接随机分配,外部研究者则需要平台或合格广告主协作。最小实验矩阵包含四类处理:
- 广告主具备投放资格与不具备资格;
- Campaign 启动前与启动后,并配置同期控制组;
- 个性化开启与关闭;
- 广告系统正常、无合格候选或故障降级。
每个处理组使用语义等价 Prompt,固定模型、工具、Locale、对话历史和时间窗口,随机化执行顺序,并用重复基线估计回答自然波动。Free 与 Ads-Free 方案可能同时改变用量和工具权限,不能直接当成干净处理组。
没有平台协作时,黑箱实验只能给出行为相关证据。Campaign 前后变化可能同时受到模型更新、季节和广告库存影响,结论必须保留这一混杂。
文本相似度抓不住商业偏移
答案可以保持很高的语义相似度,却把某个付费品牌从未提及推到第一位。审计应按决策过程拆解输出:
- Recommendation Set:出现哪些品牌、商品和非商业替代项;
- Ranking:首次出现位置、Top Position 概率和提及份额;
- Tone:正负面措辞、风险提示和信心;
- Decision Criteria:答案使用的比较标准是否稳定;
- Evidence:引用来源数量、独立性和与广告主关系;
- Boundary Behavior:拒答、限制和不确定性是否改变。
采集前预注册最小可检测效应、样本量、多重比较修正和实质阈值。没有显著差异只能说明本次实验未检出超过门槛的效应,无法证明绝对独立。报告应同时给出置信区间和 inconclusive 状态。
三条数据流分别设门
架构分离解决的是答案生成与广告选择的服务边界,隐私和控制还要沿数据流检查。
ChatGPT 向广告主输出
OpenAI 表示广告主获得聚合表现指标,无法访问聊天、Memory、姓名、邮箱或个人资料。用户主动进入广告对话时,对方只能看到用户明确分享的内容。审计要核对真实导出字段、访问角色和小样本重识别风险。
广告主向 OpenAI 输入
Pixel 与 Conversions API 用于归因和优化;自定义受众可包含邮箱、电话、哈希标识符和 GAID。审计要冻结字段、用途、保留、删除、匹配和模型训练边界,不能用广告主看不到聊天来替代这条检查。
OpenAI 内部广告选择
当前对话、广告落地页和素材、广告主 context hints、历史表现及可用个性化信号会进入广告选择。工程说明还披露对话摘要、语义 embedding、多索引检索、资格过滤、相关性评分和质量调整竞价。审计要确认这些信号只进入广告路径,未成为自然答案的条件或训练反馈捷径。
三条门分别回答披露、输入和内部使用,任何一条通过都不能替代另外两条。
架构分离怎样接受外部验证
OpenAI 的公开说明已经允许设计更有针对性的测试。
第一,故障注入。广告服务不可用或超时时,自然回答延迟和内容分布应保持在预注册范围。第二,广告资格切换。同一请求只改变候选资格,自然答案的品牌集合、排序和决策标准应保持稳定。第三,个性化切换。开关应改变广告选择范围,不应改变自然答案。第四,日志对账。广告检索、竞价、delivery 与 impression 使用稳定事件 ID,证明广告反馈没有回流到答案路径。
平台还可以向受控第三方开放代码与服务边界证明、处理组分配、模型标识、请求哈希和差异指标。敏感实现无需完全公开,但审计者需要足够权限排除同一商业信号经共享特征、离线训练或实验平台间接回流。
持续 Canary 比一次合规报告更重要
广告 LLM、自然回答模型、竞价、个性化、Prompt 和市场覆盖都在变化。OpenAI 的工程说明还描述了由高能力模型和人类反馈驱动的自改进循环。一次通过无法证明未来版本继续分离。
稳定 Canary 应保存:Prompt 与处理组哈希、模型和广告栈版本、候选与竞价事件、自然答案、推荐集合指标、隐私开关和最终判定。重大版本后和固定周期重复执行。无法识别版本、处理组丢失或日志链断裂时,状态是 invalid,而非 pass。
答案独立、Conversation Privacy 和 Choice and Control 也要保持三个独立结论。一个系统可以在答案上保持中立,同时对个性化数据保留过久;也可以提供删除按钮,却缺少处理完成证据。
当前可以下什么结论
截至 2026 年 11 月,公开证据已经覆盖三层:平台原则、产品控制和较详细的架构说明。外部模拟账号研究覆盖了早期广告分配和标签。前序测量研究已经定义了答案独立的五个构件和三项审计要求。
仍缺的核心证据是处理组行为结果、第三方管线访问和跨版本 Canary。准确结论因此是:OpenAI 已公开一条具体、可证伪的分离架构;外部验证条件比 9 月更成熟,公开材料尚未提供完整的独立行为审计。
参考资料
- OpenAI:How we built ChatGPT's novel ad stack for user trust and relevance
- OpenAI:Our approach to advertising and expanding access to ChatGPT
- OpenAI Help Center:Ads in ChatGPT
- OpenAI Help Center:Conversion measurement
- OpenAI Help Center:Set up custom audiences
- Sangok Kim:Can the Answer Independence Claim in Conversational AI Advertising Be Verified?
- Lurie 等:The Beginning of ChatGPT Ads