Prebid.js 9.35.0版本发布:原生广告支持与渲染优化
Prebid.js是一个开源的头部竞价解决方案,它允许发布商通过统一的集成方式对接多个广告需求源,从而实现广告收益的最大化。作为数字广告领域的重要基础设施,Prebid.js持续迭代更新以满足行业需求。最新发布的9.35.0版本带来了一系列值得关注的新特性、功能改进和错误修复。
原生广告支持与视频广告增强
本次更新中,Conversant Bid Adapter增加了对原生广告的支持。原生广告是一种与发布商网站内容风格高度融合的广告形式,能够提供更好的用户体验。通过这一更新,发布商现在可以通过Conversant需求源获取原生广告创意,并利用Prebid.js的统一接口进行管理和展示。
在视频广告方面,IncrementX Bid Adapter新增了instream视频广告支持。instream视频广告是指在视频内容播放前、中或后展示的广告形式,是视频内容变现的重要方式。这一增强使得发布商能够通过IncrementX需求源获取更多样化的视频广告资源。
渲染性能优化
本次版本对广告渲染机制进行了重要改进。通过替换多个适配器中的布局计算方式,使用更高效的getBoundingClientRect和百分比可视区域(inview)库,显著提升了广告渲染性能。这种优化特别有利于移动端页面,能够减少布局计算带来的性能开销,从而改善页面加载速度和用户体验。
核心模块方面,现在会始终向PUC(Publisher Unified Configuration)发送rendererVersion信号。这一改进使得发布商能够更准确地追踪和管理不同版本的广告渲染器,有助于问题排查和性能监控。
用户同步与隐私合规增强
Smarthub Bid Adapter在此版本中增加了用户同步(UserSyncs)功能。用户同步是程序化广告中的关键技术,它允许不同需求方在尊重用户隐私的前提下,对用户身份进行识别和匹配,从而提高广告相关性和竞价效率。
在隐私合规方面,xeUtils/bidderUtils.js现在会传递完整的gdprConsent对象给竞价方。这一改进确保了GDPR合规要求的严格实施,使竞价方能够基于完整的用户同意信息做出更合规的竞价决策。
错误修复与稳定性提升
本次版本修复了几个关键问题,包括:
- Agma Analytics Adapter中访问getWindowTop前的安全检查,防止了潜在的错误。
- 改进了用户ID模块对来自多个替代源但具有冲突竞价方限制的ID的处理逻辑,解决了某些情况下用户识别不一致的问题。
这些修复提高了系统的稳定性和可靠性,减少了边缘情况下的错误发生。
维护性改进与代码优化
在代码维护方面,本次更新包含多项改进:
- CEE ID系统增加了向端点请求ID的功能,扩展了其使用场景。
- PAAPI模块现在会在启用PAAPI时自动启用adAuctionHeaders,简化了配置流程。
- 多个适配器进行了代码清理和参数更新,如OpenX Bid Adapter的mtype清理和RichAudience Bid Adapter移除视频播放器的废弃参数。
这些维护性工作虽然不直接影响功能,但对于长期的项目健康度和开发者体验至关重要。
总结
Prebid.js 9.35.0版本在广告格式支持、渲染性能、用户同步和隐私合规等方面都有显著进步。这些改进不仅增强了发布商的变现能力,也提升了终端用户的体验。随着程序化广告生态的不断发展,Prebid.js持续通过这样的迭代更新来满足行业需求,巩固其作为开源头部竞价解决方案的领导地位。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00