GEM-Bench

论文在GEM-Bench上覆盖三种应用场景进行评测，AdSteer在综合得分上比最强基线平均提升14.1%。

GEM-Bench是论文用于评测LLM原生广告效果的基准，覆盖三种典型应用场景（如问答、推荐、对话等），从广告相关性、回答自然度、综合得分等维度进行打分。

当前实验基于GEM-Bench这一基准，真实产品环境中的用户容忍度、广告主需求多样性等因素，还需要进一步验证。