Pay-Per-Crawl Pricing for AI: The LM-Tree Agent
创建于 更新于
摘要
本文提出 LM Tree——一种结合树形市场分割与大语言模型（LLM）的自适应定价代理，用以在“按次爬取”(pay-per-crawl)场景中从仅有的二元购买反馈中发现文本驱动的定价维度并为细分市场设定最优价格；在对德国科技媒体 HardwareLuxx 的8,939篇文章与80,451次合成查询的评估中，LM Tree 在测试集上相较单一静态价格实现65%收入提升，相较两类格式定价提升47%，并超出出版社的8类编辑分类约40%收益，且其发现的分割跨越并细化了编辑分类（例如识别高端GPU/CPU测评为高价段）[page::0][page::2][page::23]
