論文の概要: Three-in-One World Model: Energy-Based Consistency, Prediction, and Counterfactual Inference for Marketing Intervention

• arxiv url: http://arxiv.org/abs/2605.07199v1
• Date: Fri, 08 May 2026 03:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.781159
• Title: Three-in-One World Model: Energy-Based Consistency, Prediction, and Counterfactual Inference for Marketing Intervention
• Title（参考訳）: 3-in-One世界モデル:マーケティング介入のためのエネルギーベースの一貫性、予測、および対実的推論
• Authors: Junichiro Niimi,
• Abstract要約: 本稿では、Deep Boltzmann Machineが、人口統計学、時間、タグ付けされた行動と結果から凍結した信念表現を学習する3-in-Oneの世界モデルアーキテクチャを提案する。 同じ信念は、(i)DBMの自由エネルギーによるエネルギーベース評価、(ii)アダプタによる結果予測、(iii)反実的推論の3つのタスクをサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Marketing decisions reflect the interaction of latent consumer heterogeneity, time-varying internal states, and explicit interventions, a structure that current prediction- and language-oriented models do not capture in a unified manner. We propose a Three-in-One world-model architecture in which a Deep Boltzmann Machine (DBM) learns a frozen belief representation from demographics, time, and lagged actions and outcomes, with lightweight task-specific adapters attached on top. The same belief supports three tasks within a single framework: (i) energy-based consistency evaluation through the DBM's free energy, (ii) outcome prediction through adapters, and (iii) counterfactual inference by holding the belief fixed and varying only the action input given to the adapter. Using a controlled simulation in which the latent price sensitivity, promotion responsiveness, and base preference of each consumer are known, we show that the adapters match a strong MLP baseline on visit- and purchase-AUC while recovering heterogeneous treatment effects substantially better than S-, T-, X-, and DR-learner meta-learners and a Causal Forest baseline built on the same raw features, with the largest gap on a confounded price-promotion intervention. Complementing this, free-energy clamps systematically penalize counterfactual purchase trajectories that lack prior promotional exposure, and the penalty itself depends on the latent base preference in the expected direction. These results indicate that DBM beliefs disentangle latent traits in a form that survives counterfactual queries, providing an integrated world-model substrate for marketing intervention.
• Abstract（参考訳）: マーケティングの決定は、潜在消費者の不均一性、時間的変化のある内部状態、明示的な介入の相互作用を反映している。 本稿では,Deep Boltzmann Machine (DBM) が,ユーザ層,時間,タグ付けされたアクションや結果から凍結した信念表現を学習し,その上に軽量なタスク特化アダプタを付加した3-in-Oneワールドモデルアーキテクチャを提案する。 同じ信念は、ひとつのフレームワーク内で3つのタスクをサポートする。 (i)DBMの自由エネルギーによるエネルギーベースの整合性評価 (二)アダプタによる結果予測、及び 三 受理者に与えられた行為のみを定めて変化させることにより、反実的推論 各消費者の潜伏価格感度、プロモーション応答性、基本嗜好を把握した制御されたシミュレーションを用いて、このアダプタは、S-, T-, X-, DR-learnerメタラーナーや、同じ原材料上に構築されたCausal Forestベースラインよりも実質的に優れた不均一処理効果を回復しつつ、訪問・購入・AUCにおいて強力なMLPベースラインに適合することを示した。 これに補完して、自由エネルギーのクランプは、事前の宣伝の露出を欠いた反現実的な購入軌跡を体系的に罰し、ペナルティ自体が期待される方向における潜伏ベース優先に依存する。 以上の結果から,DBMの信念は反ファクトクエリを生き残る形で潜伏特性を乱し,マーケティング介入のための世界モデルベースとして統合されていることが示唆された。

関連論文リスト

• ESIA: An Energy-Based Spatiotemporal Interaction-Aware Framework for Pedestrian Intention Prediction [24.45524909253344]
  自動運転の最近の進歩は、歩行者の意図予測の研究を動機付けている。 既存の研究は、単純化されたマルチエージェント相互作用パターン、不透明な推論論理、グローバルな行動予測の欠如によって制約されている。 本研究では,歩行者と環境をノードとして扱うための条件ランダムフィールド(CRF)に基づくパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-04-26T14:13:58Z)
• Predictive Accuracy versus Interpretability in Energy Markets: A Copula-Enhanced TVP-SVAR Analysis [0.0]
  本稿では,エネルギー・マクロ力学の予測において,構造的計量モデルが機械学習に対抗できるかどうかを考察する。 我々は,時変構造VAR(TVP-S VAR)とDCC-GARCH,t-copulas,Clayton-Frank-Gumbelコプラなどの高度な依存構造を統合する統合フレームワークを開発した。 機械学習は予測性能を再現できるが、構造経済学の説明力に取って代わることはできないと結論付けている。
  論文  参考訳（メタデータ） (2026-01-27T08:04:16Z)
• The Silent Scholar Problem: A Probabilistic Framework for Breaking Epistemic Asymmetry in LLM Agents [0.6117371161379209]
  本稿では,エージェントに双方向知識交換のための非構造的動機を与える形式的確率的枠組みを提案する。 これらの蓄積された信念状態が、人間フィードバックからの強化学習(RLHF)と監視ファインチューニング(SFT)のための高品質データフィルタの検証可能な報酬信号としてどのように機能するかを示す。 シミュレーションの結果、この不確実性駆動型戦略が異種環境におけるランダムベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2025-12-24T02:02:25Z)
• Learning Causality for Longitudinal Data [1.2691047660244335]
  この論文は、高次元の時間変化データにおける因果推論と因果表現学習の手法を開発する。 最初のコントリビューションは、個別処理効果(ITE)を推定するモデルであるCDVAE(Causal Dynamic Variational Autoencoder)の導入である。 第2のコントリビューションでは,Contrastive Predictive Coding (CPC) とInfoMaxによって強化された RNN に基づく長期的反事実回帰のための効率的なフレームワークを提案する。 第3のコントリビューションは、潜伏が観察された変数にどのように現れるかに対処することでCRLを前進させる。
  論文  参考訳（メタデータ） (2025-12-04T16:51:49Z)
• Pushing the Boundaries of Interpretability: Incremental Enhancements to the Explainable Boosting Machine [1.2461503242570642]
  本稿では,最新のガラス箱モデルである Explainable Boosting Machine (EBM) を改良し,高精度かつ完全な透明性を実現することを目的とする。 この研究は、堅牢で公平で透明な機械学習システムを開発するための重要なステップとして位置づけられている。
  論文  参考訳（メタデータ） (2025-11-29T15:46:13Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• ERIS: An Energy-Guided Feature Disentanglement Framework for Out-of-Distribution Time Series Classification [51.07970070817353]
  理想的な時系列分類(TSC)は不変表現をキャプチャできるべきである。 現在の手法は、真に普遍的な特徴を分離するために必要な意味的な方向性を欠いている。 本稿では,シフト・ロバストネス・フレームワークのためのエンドツーエンドのエネルギー規則化情報を提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:13:41Z)
• Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。