用于离散选择模型的 Constrained Triple-Head Price Optimization (C3PO) 网络

arXiv:2605.06941v2 公告类型：替换 摘要：我们提出了 Constrained Triple-Head Price Optimization (C3PO) 网络，用于离散选择环境中的实时双层决策。在这些场景中，卖方选择提供的产品或服务以实现业务目标，而异质用户根据自身偏好做出个性化的接受或拒绝决策，最终决定卖方的收益结果。现有方法利用合成数据微调预训练的表格基础模型，但受限于模仿学习范式，且无法强制执行常见的定价规则，包括跨产品约束和全局约束。C3PO 通过一种新颖的基于 transformer 的架构解决了这些局限，该架构联合整合价格模仿学习、多任务收入预测和上下文弹性学习，无需重新训练即可生成跨领域的稳健定价建议。一个轻量级可微约束层使生成的价格在优化收入目标的同时满足业务约束。我们在仿真、合成和真实世界数据集上展示了该模型出色的分布外性能。在经过校准的 MNL 模型相对于真实选择模型存在设定偏误的仿真基准中，C3PO 相较于经过校准的 MNL 基线将预期收入提高了 1.4 至 7.9 个百分点。约束层将平均绝对约束违反量降低了 50% 以上。我们进一步将该模型部署到真实世界应用中，包括医疗招标定价和航空附加服务定价。在这些应用中，以涨价和降价召回率衡量，C3PO 将定价方向有效性提高了 18 至 34 个百分点，具体增幅取决于所比较的基线，包括经过校准的 MNL、经典优化方法和现成的表格基础模型。