論文の概要: Multi-channel Uplift Policy Learning

• arxiv url: http://arxiv.org/abs/2607.28182v1
• Date: Thu, 30 Jul 2026 13:19:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.575323
• Title: Multi-channel Uplift Policy Learning
• Title（参考訳）: マルチチャネルアップリフト政策学習
• Abstract要約: 電子商取引プラットフォームは、ビジネスユーティリティを最大化するために、複数のチャネルに固定されたマーケティング予算を割り当てなければならない。 本稿では、この課題を単純な制約付きアップリフト決定問題として定式化し、高速な因果関係フレームワークであるReAllocを提案する。
• 参考スコア（独自算出の注目度）: 18.09251273310503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: E-commerce platforms must allocate fixed marketing budgets across multiple channels to maximize business utility. However, standard predict-then-optimize (PTO) paradigms fail in this compositional space due to observational confounding and severe extrapolation. We formulate this challenge as a simplex-constrained uplift decision problem and propose ReAlloc, a fast-slow causal framework. Specifically, an agile Orthogonal Teacher extracts unbiased local gradients from short-term logs, while an Explanation-Guided Student distills them into a structured marginal field over long-term horizons. This design enables support-aware, conservative decisions that capture cross-channel substitutions. Extensive simulations and large-scale online A/B tests on Taobao platform demonstrate that ReAlloc achieves simultaneous lifts in both pay order and income.
• Abstract（参考訳）: 電子商取引プラットフォームは、ビジネスユーティリティを最大化するために、複数のチャネルに固定されたマーケティング予算を割り当てなければならない。 しかし、標準予測最適化(PTO)パラダイムはこの構成空間において観測上の欠点と厳密な外挿のために失敗する。 本稿では、この課題を単純な制約付きアップリフト決定問題として定式化し、高速な因果関係フレームワークであるReAllocを提案する。 具体的には、アジャイルの直交教師が短期のログからバイアスのない局所勾配を抽出し、説明指導学生が長期の地平線上でそれらを構造化された辺境のフィールドに蒸留する。 この設計により、チャネル間の置換をキャプチャするサポートアウェアで保守的な決定が可能になる。 Taobaoプラットフォーム上での大規模なシミュレーションと大規模なオンラインA/Bテストは、ReAllocが給与と収入の同時昇給を実現していることを示している。

関連論文リスト

• Distribution-Consistent Inference for Dynamic Sparse Mixture-of-Experts [48.294824672909876]
  推論時動的top-k$ルーティングは、再トレーニングせずに計算を削減できる。 アクティベートした専門家の数を減らせば、SMoE出力のRMSスケールと分散が一貫して増加することを示す。 そこで我々は,レイヤワイズ・キャリブレーションの統計値を用いて,最小構成の縮小表現を整列する軽量な推論時間補正法であるレイヤワイズ・アライメント・アライメント(LDA)を提案する。
  論文  参考訳（メタデータ） (2026-09-08T06:23:07Z)
• Duality for Optimal Multi-Item, Multi-Bidder Auction Design: Revenue Certificates through Deep Learning [16.458707311156108]
  我々は,マルチイテム,マルチバイダオークション,支配戦略インセンティブ互換性(DSIC)の2つの問題に対処する最初の計算フレームワークを紹介する。 ニューラルネットワークを用いて,構造的に保証された厳密な流れ保存特性を用いて,ラグランジュ乗算器のパラメータ化を行う。 我々は,昇降が連続的な均一な評価を持つマルチイテム,マルチバイダオークションに対して,有効な収益上限を与えることを証明した。
  論文  参考訳（メタデータ） (2026-06-08T19:42:01Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• SAGE: Shaping Anchors for Guided Exploration in RLVR of LLMs [55.46289074417954]
  検証可能な報酬(RLVR)による強化学習は、推論タスクのpass@1を確実に改善するが、pass@kでは同等の利得を得られないことが多い。 中心的な構造的制約は、トレーニングを安定させるが、本質的には基準分布にポリシーを固定する逆-KL正規化から生じる。 我々は,逆KLアンカー分布自体を再構成することで,制御可能な経験的サポート拡張を可能にする,原則化されたフレームワークであるSAGEを提案する。
  論文  参考訳（メタデータ） (2026-05-15T07:42:21Z)
• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Adaptive-Horizon Conflict-Based Search for Closed-Loop Multi-Agent Path Finding [10.628717510399046]
  MAPFは、倉庫や物流の自動化において、大規模なロボット群の中核的な調整問題である。 既存のアプローチは、固定軌道を生成するオープンループプランナか、信頼性の高い性能保証のないクローズループである。 本稿では,CBSの有限水平変速器をベースとした閉ループであるACCBSについて述べる。
  論文  参考訳（メタデータ） (2026-02-12T14:55:16Z)
• Stable On-Policy Distillation through Adaptive Target Reformulation [7.361248172930405]
  ベト (Veto) は、ロジット空間に幾何学的ブリッジを構築する客観的なレベルの再構成である。 ベトは監督された微調整と既存の政治のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-12T02:57:39Z)
• RepetitionCurse: Measuring and Understanding Router Imbalance in Mixture-of-Experts LLMs under DoS Stress [16.010076395422264]
  分配不能のプロンプトはルーティング戦略を操作でき、特定のデバイス上で計算ボトルネックを発生させ、他のデバイスにアイドルを強いる。 この脆弱性を悪用するための低コストなブラックボックス戦略であるRepetitionCurseを提案する。
  論文  参考訳（メタデータ） (2025-12-30T05:24:26Z)
• A Probabilistic Framework for Temporal Distribution Generalization in Industry-Scale Recommender Systems [14.592975643628188]
  時間分布シフトは、推奨システムの長期的な精度を損なう。 本稿では,産業規模のインクリメンタル学習パイプラインにシームレスに統合する確率的フレームワークを提案する。 本手法は時間的一般化に優れ,ユーザ当たりのGMVは2.33%上昇する。
  論文  参考訳（メタデータ） (2025-11-26T04:02:23Z)
• Nash Equilibrium Constrained Auto-bidding With Bi-level Reinforcement Learning [64.2367385090879]
  本稿では,プラットフォームの観点から,自動入札問題の新たな定式化を提案する。 これは、$epsilon$-NE制約の下ですべての広告主の社会的福祉を最大化することを目的としている。 NCB問題は、その制約された二段階構造と、典型的には多くの広告主が関与しているため、重大な課題を提起している。
  論文  参考訳（メタデータ） (2025-03-13T12:25:36Z)
• Upper Confidence Primal-Dual Reinforcement Learning for CMDP with Adversarial Loss [145.54544979467872]
  マルコフ決定過程(CMDP)に対するオンライン学習の検討 本稿では,遷移モデルから標本化した軌跡のみを必要とする,新しいEmphupper confidence primal-dualアルゴリズムを提案する。 我々の分析では、ラグランジュ乗算過程の新たな高確率ドリフト解析を、高信頼強化学習の記念後悔解析に組み入れている。
  論文  参考訳（メタデータ） (2020-03-02T05:02:23Z)

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。