論文の概要: A Predict-then-Correct Loop Based on Few-Shot Continuous Contextual Bandit for Demand Forecasting

• arxiv url: http://arxiv.org/abs/2607.16354v1
• Date: Fri, 17 Jul 2026 08:21:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.128645
• Title: A Predict-then-Correct Loop Based on Few-Shot Continuous Contextual Bandit for Demand Forecasting
• Title（参考訳）: 需要予測のためのFew-Shot連続文脈帯域に基づく予測正則ループ
• Abstract要約: 本研究では,第1ステージの機械学習(ML)予測を維持し,数ショット連続帯域補正ポリシーを適用した予測列補正(PtC)フレームワークを提案する。 Walmartの小売データ全体を通じて、PtCは、MAPE、MAE、RMSEの統計学的に重要な削減を、安定した、高いボリューム、安定した、低いボリューム、不安定で断続的な需要パターンにわたって提供する。 これらの結果から、オンライン予測補正は、ベース予測モデルを完全に再訓練することなく、緩やかなフィードバックに適応することで、オフライン需要学習とリアルタイム小売意思決定を橋渡しできることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retail demand forecasting remains difficult when demand shifts faster than static forecasting models can be retrained, especially in early demand cycles where newly observed labels are sparse. To address this, this study aims to improve adaptive retail forecasting by proposing a predict-then-correct (PtC) framework that retains a first-stage machine learning (ML) forecast and applies a few-shot continuous contextual bandit correction policy with similar-SKUs augmentation and top-p masked updating. Across Walmart retail data and an exclusive beverage dataset, PtC delivers statistically significant reductions in MAPE, MAE, and RMSE across stable & high volume, stable & low volume, and erratic & intermittent demand patterns, improves average RMSE by 9.52% over the ML-only baseline in the ablation study, and yields lower inventory costs than base-stock, proximal policy optimization, and soft actor-critic policies under the tested lead-time settings. These findings show that online forecast correction can bridge offline demand learning and real-time retail decision-making by adapting to sparse feedback without fully retraining the base forecasting model.
• Abstract（参考訳）: 小売需要予測は、特に新しく観測されたラベルが不足している早期需要サイクルにおいて、静的予測モデルよりも早く需要がシフトする場合、依然として困難である。 そこで本研究では,第1段階の機械学習(ML)予測を保ち,類似SKUの強化とトップpのマスク更新を併用した,数ショットの連続的コンテキスト的帯域補正ポリシを適用することにより,適応的な小売予測を改善することを目的とした。 ウォルマート小売データと排他的飲料データセット全体で、PtCは、安定・高ボリューム、安定・低ボリューム、断続的・断続的な需要パターンにまたがるMAPE、MAE、RMSEの統計的に有意な削減を提供し、アブレーション研究におけるMLのみのベースラインよりも平均RMSEを9.52%改善し、試験されたリードタイム設定の下での在庫コストをベースストック、近縁政策最適化およびソフトアクター-クリティカルポリシーよりも低くする。 これらの結果から,オンライン予測補正は,ベース予測モデルを完全に再学習することなく,緩やかなフィードバックに適応することで,オフライン需要学習とリアルタイム小売意思決定を橋渡しできることがわかった。

関連論文リスト

• Censoring-Aware In-Context Learning for Generalized Supplier Lead Time Estimation in Supply Chain Planning [31.58956095041944]
  本稿では,確率的リードタイム予測のための検閲対応インコンテキスト学習モデルであるPedTime-ICLを提案する。 LT-ICLは変圧器のバックボーンと条件付き正規化フローヘッドを結合し、リード時間を通して完全な予測分布を生成する。 7つの産業にまたがる24のプロプライエタリなサプライチェーンデータセット上でLT-ICLを評価した。
  論文  参考訳（メタデータ） (2026-07-20T21:45:43Z)
• Ratio-Variance Regularized Policy Optimization [64.95520246570446]
  ポリシ比の分散を明示的に制約することは、信頼領域の制約に対する原則的な局所近似をもたらすことを示す。 本稿では,この制約を実装したR2bf VPO$(Ratio-Variance Regularized Policy Optimization)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T09:53:42Z)
• Hedging Memory Horizons for Non-Stationary Prediction via Online Aggregation [6.623965101885557]
  MELOは適応スケールにまたがってヘッジを行うモデルに依存しない手法である。 指数的に重み付けされた最小二乗適応の専門家を持つ予想外のベース予測プールをラップする。 パラメータフリーのオンラインアグリゲーションルールであるMLpolで、生およびEWLS対応の予測を集約する。
  論文  参考訳（メタデータ） (2026-05-07T16:38:21Z)
• A Step Back: Prefix Importance Ratio Stabilizes Policy Optimization [58.116300485427764]
  強化学習のポストトレーニングは、大きな言語モデルにおける推論の振る舞いを引き出すことができる。 トークンレベルの補正は、オフポリシーネスの度合いが大きい場合、不安定なトレーニングダイナミクスにつながることが多い。 我々は,最小固定率 (MinPRO) を簡易かつ効果的に提案する。
  論文  参考訳（メタデータ） (2026-01-30T08:47:19Z)
• Ratio-Variance Regularized Policy Optimization for Efficient LLM Fine-tuning [48.34492357368989]
  本稿では,安定なオン・ポリティクス学習をサポートし,オフ・ポリティクスデータの再利用を原則とするプリミティブ・デュアル・フレームワークを提案する。 R2VPO$は、強いクリッピングベースのベースラインよりも17%の平均的な相対的なゲインで優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-01-06T14:01:42Z)
• Optimization of Deep Learning Models for Dynamic Market Behavior Prediction [4.594360512414794]
  UCI Online Retail IIデータセットを用いて,電子商取引におけるマルチ水平需要予測について検討した。 本稿では,マルチスケールの時間的畳み込み,ゲートリカレントモジュール,タイムアウェア・セルフアテンションを組み合わせたハイブリッド・シーケンス・モデルを提案する。 結果は,ピーク/ホリデー期間において,一貫した精度向上と改善を示した。
  論文  参考訳（メタデータ） (2025-11-24T13:30:52Z)
• BAPO: Stabilizing Off-Policy Reinforcement Learning for LLMs via Balanced Policy Optimization with Adaptive Clipping [69.74252624161652]
  適応クリッピング(BAPO)を用いたBAlanced Policy Optimizationを提案する。 BAPOはクリッピングバウンダリを動的に調整し、適応的に正と負のコントリビューションを再バランスさせ、エントロピーを保持し、RL最適化を安定化させる。 AIME 2024とAIME 2025ベンチマークでは、7B BAPOモデルがSkyWork-OR1-7Bのようなオープンソースモデルを上回っています。
  論文  参考訳（メタデータ） (2025-10-21T12:55:04Z)
• TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting [51.37167759339485]
  本稿では,アプリロリで知られたコンテキスト変数を利用して予測性能を向上させるマルチホライゾン予測器であるTemporal-Aligned Transformer (TAT)を提案する。 我々のモデルはエンコーダとデコーダで構成されており、どちらもピーク需要予測のためのコンテキスト依存アライメントを学習するための新しい時間アライメントアテンション(TAA)を組み込んでいる。 以上の結果から,TATはピーク需要予測において30%の精度を実現し,他の最先端手法と比較して総合的な性能を維持した。
  論文  参考訳（メタデータ） (2025-07-14T14:51:24Z)
• Intelligent Routing for Sparse Demand Forecasting: A Comparative Evaluation of Selection Strategies [0.6798775532273751]
  サプライチェーンにおける パースと断続的な需要予測は 重大な課題です 本稿では, モデルスパンニングフレームワークを提案し, モデルスパンニングの古典的, ML, DLメソッドを製品毎に選択する。 大規模なFavoritaデータセットの実験では、ディープラーニング(インセプションタイム)ルータが予測精度を最大11.8%向上している。
  論文  参考訳（メタデータ） (2025-06-04T03:09:45Z)
• ReAugment: Model Zoo-Guided RL for Few-Shot Time Series Augmentation and Forecasting [74.00765474305288]
  本稿では,時系列データ拡張のための強化学習(RL)の試験的検討を行う。 我々の手法であるReAugmentは、トレーニングセットのどの部分が拡張されるべきか、どのように拡張を行うべきか、RLがプロセスにどのような利点をもたらすのか、という3つの重要な問題に取り組む。
  論文  参考訳（メタデータ） (2024-09-10T07:34:19Z)
• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)

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。