🤖 machine learning

A Predict-then-Correct Loop Based on Few-Shot Continuous Contextual Bandit for Demand Forecasting

Este artigo propõe uma estrutura de "prever-então-corrigir" que combina uma previsão de aprendizado de máquina estática com uma política de correção de bandit contextual contínuo de poucos disparos (few-shot) para melhorar significativamente a precisão da previsão de demanda no varejo e reduzir os custos de inventário, particularmente em cenários com rótulos esparsos e padrões de demanda que mudam rapidamente.

Autores originais: Zhiwei Lei, Benedict Jun Ma, Ilya Jackson

Publicado 2026-07-21

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Zhiwei Lei, Benedict Jun Ma, Ilya Jackson

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você esteja tentando adivinhar quantas pessoas comparecerão à venda de bolos anual da sua escola. Você tem um programa de computador superinteligente que analisa os dados do ano passado, a previsão do tempo e o preço dos cupcakes para fazer uma previsão. Isso é o que os cientistas chamam de "previsão de demanda", e é a espinha dorsal para manter as lojas abastecidas com a quantidade certa de coisas. Mas aqui está a parte complicada: e se este ano for totalmente diferente? Talvez uma nova tendência viral faça com que todos queiram um sabor específico, ou uma tempestade repentina mantenha todos em casa. O antigo programa de computador, treinado nos dados entediantes do ano passado, ainda não sabe disso. É como um GPS que não foi atualizado com novos fechamentos de estradas; ele continua dizendo para você dirigir direto contra uma parede.

No mundo do varejo, este é um grande problema. As lojas têm milhões de itens diferentes (como sabores diferentes de refrigerante ou tamanhos de sapatos), e às vezes novos itens aparecem sem nenhum histórico. Se a loja errar o palpite, eles ou ficam sem produtos (clientes irritados) ou têm excesso de mercadoria parada nas prateleiras (dinheiro desperdiçado). Tradicionalmente, para corrigir um palpite ruim, você teria que parar tudo, alimentar o computador com uma montanha de novos dados e treiná-lo do zero. Mas isso leva muito tempo. Quando o computador aprender, a tendência pode já ter acabado. Este artigo explora uma maneira mais inteligente de lidar com essas surpresas sem apertar o botão de "reset".

Os pesquisadores por trás deste estudo, Zhiwei Lei, Benedict Jun Ma e Ilya Jackson, propõem um truque inteligente de duas etapas que chamam de "Prever-então-Corrigir" (PtC). Pense nisso como ter um chef experiente (o primeiro modelo de computador) que faz uma base de sopa excelente baseada em uma receita clássica. Então, em vez de jogar a sopa fora e começar de novo quando um cliente pede "um pouco mais de tempero", você tem um subchefe de raciocínio rápido (o sistema de correção) que prova a sopa e adiciona apenas a quantidade certa de sal ou pimenta em tempo real.

E assim o "subchefe" deles funciona. Primeiro, o modelo de computador principal faz seu melhor palpite sobre quanto de um produto as pessoas comprarão. Em seguida, um sistema de "bandido contextual" entra em cena. "Contextual" significa apenas que ele observa a situação atual (é feriado? é fim de semana?), e "bandido" é um nome chique para um sistema de aprendizado que tenta diferentes ações e vê qual delas traz resultados. Neste caso, a "ação" é ajustar a previsão do chef para cima ou para baixo. O sistema tenta um pequeno ajuste, vê se as vendas reais combinam melhor e recebe uma "recompensa" se estiver certo. Se estiver errado, ele aprende a não fazer aquilo novamente.

A verdadeira magia acontece quando não há muitos dados para aprender, como quando um produto totalmente novo é lançado. Normalmente, os computadores ficam confusos e esquecem o que sabiam antes quando tentam aprender com apenas alguns números novos. Este artigo sugere uma estratégia de "poucas amostras" (few-shot), que é como ensinar um aluno com apenas alguns problemas de prática. Para fazer isso funcionar, o sistema procura outros produtos que sejam semelhantes ao novo (como comparar um novo refrigerante picante com um refrigerante picante antigo) para pegar emprestado alguns sinais. Ele também usa uma regra de "atualização com máscara Top-p". Imagine que o cérebro do computador tem milhares de botões de ajuste. Em vez de girar todos de uma vez (o que poderia quebrar a máquina), esta regra só gira os botilhões minúsculos e sensíveis que precisam de um pequeno ajuste, enquanto deixa sozinhos os botões grandes e importantes que sustentam o conhecimento principal. Isso impede que o computador "esqueça" tudo o que aprendeu no passado.

A equipe testou essa ideia usando dados reais da Walmart e de uma grande empresa de bebidas. Eles descobriram que seu ciclo de "Prever-então-Corrigir" foi um vencedor claro. Em diferentes tipos de produtos — fossem eles itens estáveis que vendem muito, poucos itens estáveis ou itens estranhos e imprevisíveis — o novo método reduziu significativamente os erros de previsão. Em um teste, melhorou a precisão média em 9,52% em comparação ao uso apenas do modelo de computador original. Mais importante ainda, quando usaram esses melhores palpites para decidir quanto estoque pedir, as lojas acabaram gastando menos dinheiro com estoque extra ou perdendo vendas por prateleiras vazias.

O artigo argumenta explicitamente contra a ideia de que você precisa treinar completamente seus modelos toda vez que o mercado muda, ou que precisa de quantidades massivas de novos dados para fazer uma correção. Eles também mostram que simplesmente adicionar uma camada de aprendizado por reforço sem ser cuidadoso sobre como você atualiza o modelo pode, na verdade, piorar as coisas, levando à instabilidade. Em vez disso, suas descobertas sugerem que uma camada leve e adaptável, que ajusta a previsão existente em tempo real, é o ponto ideal. Ela preenche a lacuna entre o aprendizado lento e pesado do passado e a realidade rápida e caótica do presente, provando que, às vezes, a melhor maneira de corrigir uma previsão não é começar do zero, mas apenas ouvir o feedback e ajustar o controle.

Resumo Técnico: Um Ciclo de Predição-e-Correção Baseado em Bandido Contextual Contínuo de Poucos Disparos para Previsão de Demanda

Definição do Problema
A previsão de demanda no varejo enfrenta um desafio crítico em ambientes de mercado dinâmicos, onde as mudanças na demanda ocorrem mais rapidamente do que os modelos de aprendizado de máquina (ML) estáticos podem ser retreinados. Isso é particularmente agudo durante ciclos iniciais de demanda, lançamentos de produtos ou para novos SKUs, onde os rótulos observados são esparsos, levando a desafios de "cold-start" (partida a frio). Pipelines tradicionais de ML supervisionado dependem de treinamentos rígidos e orientados a lotes (batch) e de grandes pools de dados, tornando-os incapazes de ingerir feedback de demanda em tempo real de forma fluida. Consequentemente, uma vez implantados, esses modelos operam como preditores de malha aberta (open-loop), carecendo de capacidade para calibração em tempo real contra flutuações de curto prazo. Embora modelos offline avançados (ex: Transformers, Gradient Boosting) se destaquem na generalização histórica, eles frequentemente falham em se adaptar a rupturas estruturais ou regimes não estacionários sem um retreinamento custoso, o que acarreta risco de overfitting ou esquecimento catastrófico quando os dados são limitados.

Metodologia
O artigo propõe um framework de Predição-e-Correção (PtC - Predict-then-Correct) projetado para unir o aprendizado de demanda offline e a tomada de decisão de varejo em tempo real. A arquitetura desacopla o processo de previsão em duas etapas:

Etapa 1: Predição de ML Offline:
- Os SKUs são agrupados em categorias (ex: estáveis/alto volume, erráticos/intermitentes) com base na demanda média, coeficiente de variação e intermitência.
- Um modelo de ML pré-treinado (ex: LightGBM, N-BEATS) gera uma previsão de linha de base para o SKU alvo com base em seu cluster.
- Aumento de Dados (Data Augmentation): Para lidar com a escassez de dados para o SKU alvo, o sistema identifica $k$ vizinhos mais próximos dentro do mesmo cluster usando distância Euclidiana. Se houver insuficiência de vizinhos, perturbações de mesma tendência são aplicadas à demanda histórica e prevista para atingir um tamanho mínimo de conjunto de treinamento.
Etapa 2: Correção por Bandido Contextual Contínuo de Poucos Disparos (FSCCB):
- Formulação: O ajuste da previsão é modelado como um problema de bandido contextual contínuo. O sistema observa um estado de contexto $s_t$ composto pela demanda real histórica, previsões de ML, erros de previsão, características de séries temporais (inclinação, médias) e indicadores temporais (finais de semana, feriados).
- Espaço de Ação: A rede de política produz um fator de correção contínuo $a_t$ amostrado de uma distribuição Gaussiana, limitado ao intervalo $[-1, 2]$ . A previsão corrigida é $\hat{y}^{CB}_t = \hat{y}^{ML}_t (1 + a_t)$ .
- Recompensa: A recompensa $r_t$ é definida como a redução no erro absoluto: $r_t = \tau (| \hat{y}^{ML}_t - y_t | - | \hat{y}^{CB}_t - y_t |)$ .
- Atualização com Máscara Top-p: Para evitar o overfitting e o esquecimento catastrófico em regimes de poucos dados, o framework emprega um mecanismo de atualização seletiva de parâmetros. Apenas a proporção top- $p$ de parâmetros com os menores valores absolutos é atualizada durante a adaptação online, enquanto a maior parte da rede (que contém o conhecimento pré-treinado "fortemente expresso") permanece congelada. Isso equilibra estabilidade com plasticidade.

Principais Contribuições

Framework Adaptativo de Malha Fechada: O artigo introduz um framework PtC de duas etapas que transforma a previsão estática de malha aberta em um sistema adaptativo de malha fechada. Ele preserva o conhecimento estrutural dos modelos de ML offline enquanto permite a responsividade em tempo real via uma camada de correção de bandido contextual.
Estratégia de Atualização de Poucos Disparos (Few-Shot): Os autores desenvolvem um mecanismo para lidar com a escassez de dados em tempo real. Ao combinar o aumento de SKUs por similaridade de características com uma regra de atualização de máscara top-p, o sistema se adapta rapidamente a novos padrões de demanda sem destruir regularidades previamente aprendidas ou sofrer overfitting com ruído esparso.
Validação Teórica e Empírica: O estudo fornece proposições teóricas estabelecendo que a classe de hipóteses PtC contém a linha de base de apenas ML (garantindo que não haja degradação de desempenho no ótimo populacional) e analisa o trade-off entre estabilidade e adaptação da regra de atualização top-p.

Resultos Experimentais
O framework foi avaliado em dois conjuntos de dados: dados de varejo da Walmart (competição M5) e um conjunto de dados exclusivo de bebidas de um fabricante da América do Norte.

Acurácia de Previsão: O PtC alcançou reduções estatisticamente significativas ( $p < 0,01$ $p < 0, 01$ ) em MAPE, MAE e RMSE em padrões de demanda estável/alto volume, estável/baixo volume e errática/intermitente.
- No estudo de ablação usando N-BEATS como base, a linha de base padrão de apenas ML apresentou um RMSE de 11,41. A correção de CB padrão (atualizando todos os parâmetros) rendeu uma melhoria marginal de 0,34%. O PtC proposto (com FSCCB) reduziu o RMSE para 10,34, uma melhoria de 9,52%.
- No conjunto de dados de bebidas, o PtC alcançou reduções de erro de pico de 14,64% (MAPE), 14,85% (MAE) e 13,40% (RMSE) na categoria "Estável e Alto Volume".
Gestão de Estoque: Quando integrado a um sistema de inventário de revisão periódica, o PtC superou as políticas de Base-Stock (BS), PPO (Proximal Policy Optimization) e SAC (Soft Actor-Critic). O PtC gerou os menores custos de inventário em lead times de 2 a 4 períodos, demonstrando que a melhoria na precisão da previsão traduz-se diretamente em economia de custos operacionais.
Análise de Sensibilidade: Os resultados indicaram que atualizar parâmetros insuficientes limita a adaptação, enquanto atualizar muitos aumenta o risco de overfitting. O desempenho ideal foi encontrado em proporções de atualização de $p=0,10$ (Walmart) e $p=0,16$ (Bebidas).

Significância e Alegações
O artigo afirma que o framework PtC aborda um vazio metodológico crítico: a ausência de um mecanismo sistemático e eficiente em termos de amostras para aprender explicitamente a corrigir erros de previsão de linha de base "on the fly" sem a necessidade de retreinamento total.

Mudança de Paradigma: Ele desloca o paradigma de previsão operacional da predição estática para o controle inteligente autônomo e autocalibrável.
Utilidade Prática: Ao desacoplar o previsor base da política de correção, o framework permite que varejistas atualizem previsões para itens de ciclo inicial, esparsos ou intermitentes sem reconstruir sistemas de previsão inteiros.
Preenchimento de Lacuna: O estudo demonstra que a correção de previsão online pode efetivamente unir o aprendizado de demanda offline e a tomada de decisão em tempo real, adaptando-se a feedbacks esparsos enquanto mantém a integridade estrutural dos modelos históricos.

Os autores observam limitações, incluindo o foco atual no nível de SKU (carecendo de modelagem explícita de substituição ou complementaridade) e configurações de decisão de downstream simplificadas, sugerindo que trabalhos futuros devem explorar políticas de múltiplos produtos e restrições de cadeia de suprimentos mais complexas.

Mais como este