📊 statistics

In-Context Learning for Data-Driven Censored Inventory Control

本文提出了一种上下文生成后验采样（ICGPS）框架，该框架利用元训练的生成模型在已学习的潜在需求补全上执行最优动作，从而在数据驱动的删失库存控制问题（如重复报童问题）中实现次线性贝叶斯后悔度以及对先验失配的鲁棒性。

原作者： Sohom Mukherjee, Anh-Duy Pham, Richard Pibernik, Yunbei Xu

发布于 2026-05-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Sohom Mukherjee, Anh-Duy Pham, Richard Pibernik, Yunbei Xu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你正在经营一个柠檬水摊。每天早上，在知道究竟会有多少人光顾之前，你就必须决定制作多少杯柠檬水。

如果你做得太少，柠檬水就会售罄（出现“缺货”）。如果你做得太多，就会为剩下的柠檬水浪费金钱。这就是经典的“报童问题”。

现在，设想一个转折：你永远无法看到真实的需求。

如果你制作了 10 杯，而有 15 人出现，你卖出了 10 杯并售罄。你知道需求至少是 10，但你不知道它是 11、20 还是 100。数据被“截断”（censored）了。
如果你制作了 20 杯，而只有 5 人出现，你确切地看到了 5 人。数据是清晰的。

挑战在于：当你最有价值的学习时刻（即售罄）向你隐藏了真相时，你如何学会制作完美数量的柠檬水？

旧方法与新方法

论文指出，以前的方法试图通过两种方式解决这个问题，但两者都有缺陷：

“直觉”方法（参数化汤普森采样）： 你猜测需求曲线具有特定的形状（例如，“它总是钟形曲线”）。如果你的猜测是错误的，你的整个策略就会失败。
“回填”方法（离线插补）： 你试图利用旧数据在事后猜测缺失的数值。但在尝试将其用于实时、动态的情境时，这种方法往往会失效。

作者提出了一种名为**上下文生成后验采样（ICGPS）**的新方法。

创意类比：会“做梦”的厨师

将新方法想象成一位通过做梦来学习的厨师。

厨师并不试图猜测需求的数学公式，而是拥有一个强大的梦境生成器（一种现代 AI 模型）。

训练阶段（离线）： 厨师观看了成千上万个其他柠檬水摊的视频。有些天他们售罄了；有些天他们剩下了余货。厨师学会了填补空白。如果视频显示一个摊位卖出了 10 杯然后售罄，厨师的梦境生成器就会学会想象合理的场景：“也许来了 12 个人？也许 15 个？也许 50 个？”它学会了以符合历史背景的方式填补缺失的需求数值。
做梦阶段（在线）： 每天早上，在制作柠檬水之前，厨师不只是猜测。他们会构想出一整天。
- 他们查看历史记录（昨天、前天发生了什么）。
- 他们询问梦境生成器：“鉴于之前发生的情况，完整的一天可能是什么样子？”
- 生成器创建一个完整的、虚构的一天，其中需求完全显现（没有截断）。它用合理的猜测填补了缺失的数值。
决策： 厨师看着这个构想出来的完整一天，问道：“如果这是真的，为了达到完美，我会制作多少柠檬水？”他们采取相应的行动。
现实检验： 他们制作柠檬水，出售，并看到实际结果（这可能再次被截断）。他们将这个新的真实数据添加到历史记录中，并重复该过程。

神奇之处在于，厨师不需要每天重新训练梦境生成器。他们只需利用当天历史的上下文来引导梦境。这被称为“上下文学习”。

秘密武器：ChronosFlow

为了让这个“梦境生成器”既快速又准确，作者构建了一种名为ChronosFlow的特定架构。

骨干（Chronos）： 将其想象成一位超级聪明的图书管理员，他读过所有写过的时间序列书籍。它理解时间中的模式（例如“柠檬水销量在炎热天气会上升”）。
头部（Flow）： 这是实际填补缺失数值的部分。它被设计为遵守游戏规则。如果历史记录显示“我们在 10 杯时售罄”，梦境生成器就被迫想象一个高于 10 的需求。如果我们知道已经售罄，它就不能想象需求为 5。

论文发现

作者将这位“做梦的厨师”与旧方法进行了测试：

它匹敌专家： 当需求遵循简单、可预测的模式时，做梦的厨师的表现与最佳理论专家（汤普森采样）一样好。
它具有鲁棒性： 如果现实世界发生变化（例如，需求模式从钟形曲线转变为某种奇怪的模式），做梦的厨师能迅速适应。旧的“直觉”方法往往会崩溃，因为它们的公式是错误的。
它能处理重度截断： 当柠檬水摊经常售罄（从而隐藏真实需求）时，做梦的厨师表现出色。它利用其训练来猜测缺失的数值，这比那些试图在没有“梦境”生成器的情况下进行猜测的方法要好。
现实世界的成功： 他们在一家“超级商店”的真实销售数据上测试了这一点。即使是在频繁出现缺货的混乱现实数据中，做梦的厨师（特别是“元”版本，即先从其他商店学习过的版本）也比竞争对手做出了更好的决策。

核心结论

论文声称，通过将缺失数据视为可以由 AI 生成的“梦境”，而不是一个需要用僵化公式解决的数学问题，我们可以做出更好的库存决策。该系统从过去的经验中学习，填补当下的空白，并基于一个尊重游戏规则“假设”情景做出决策。

关键要点： 你不需要知道确切的未来就能做出良好的决策；你只需要能够想象出几个符合你所掌握线索的合理未来，并像最好的那个未来是真实的一样采取行动。

技术摘要：用于数据驱动删失库存控制的情境学习

问题陈述

本文解决了重复报童（R-NV）问题，这是一个典型的运营决策场景，其特征是决策依赖的不确定性和右删失。在此设定下，决策者每期选择一个订货量 $X_t$ 。潜在需求 $D_t$ 仅被部分观测：若 $D_t \le X_t$ ，则观测到确切需求；若 $D_t > X_t$ （缺货），则仅观测到销售额 $X_t$ 和一个缺货指示符。这种删失造成了根本性的探索 - 利用权衡：保守订货虽能最小化即时持有成本，但会增加删失，从而阻碍对未来需求分布的学习。

现有方法面临显著局限：

参数化汤普森采样（TS）： 虽然理论上强大，但 TS 依赖于正确设定的先验。在实践中，先验不匹配会导致性能严重下降。
离线插补： 试图对需求进行去删失的方法（例如通过 Kaplan-Meier 估计量）通常局限于离线设定，且缺乏针对在线序列决策的理论保证。

作者旨在通过开发一种在线学习算法来弥合这一差距，该算法能在连续动作空间中提供性能保证，无需已知参数化先验，同时有效处理由删失引起的缺失数据结构。

方法论：情境生成后验采样（ICGPS）

提出的解决方案**情境生成后验采样（ICGPS）**通过“缺失数据”视角重新构建了学习问题。该算法不估计参数，而是将未观测到的需求分量视为可观测反馈机制一致的“可补全”缺失结果。

核心框架

离线元训练： 在历史数据（离线回合）上训练一个条件生成模型，以学习补全核。该模型学习根据观测历史 $H_{t-1}$ $H_{t - 1}$ （包含动作、销售和删失指示符）对合理的全需求轨迹 $D_{1:T}$ $D_{1 : T}$ 进行采样。
- 损失函数： 模型使用感知删失的负对数似然进行训练。未删失观测贡献密度项，而删失观测贡献生存项（类似于生存分析）。
在线情境适应： 在部署期间，模型被冻结。在每个时间步 $t$ $t$ ，算法：
- 从学习到的条件分布 $p_\theta(\cdot | H_{t-1})$ 中采样完整需求轨迹 $\tilde{D}^{(t)}_{1:T}$ 。
- 约束执行： 至关重要的是，采样过程执行硬性一致性约束。如果过去某时期 $s < t$ 被删失（缺货），则采样需求 $\tilde{D}_s$ 必须满足 $\tilde{D}_s > X_s$ 。这是通过尾部条件化（从分布的条件尾部采样）实现的。
- 神谕动作： 算法计算采样轨迹的“神谕”动作。对于 R-NV 问题，这是补全需求序列的经验 $\gamma$ -分位数（其中 $\gamma = b/(b+h)$ 为临界分位数）。
- 决策者执行该动作，观测新的删失反馈，并更新情境历史，而不更新模型参数。

架构：ChronosFlow

为了实际实现 ICGPS，作者提出了ChronosFlow，一种模块化架构：

骨干网络： 一个冻结的Chronos-2时间序列 Transformer（在大规模数据集上预训练），用于从历史中提取情境分位数特征。
头部： 一个轻量级的条件归一化流（CNF），将情境向量映射到需求上的条件分布。CNF 允许精确的逆变换采样，便于在在线生成过程中执行删失约束（尾部条件化）。

理论贡献

本文提供了严格的贝叶斯后悔分析，将部署的 ICGPS 策略的性能分解为两项：

理想基准后悔（项 I）： 使用真实补全核的理想汤普森采样策略的后悔。
- 作者证明，对于 R-NV 问题，删失反馈结构可简化为具有标量动作的Bandit 凸优化（BCO）。
- 通过利用关于 BCO 的 TS 的最新结果（Bakhtiari 等人，2025），他们确立了理想基准实现了 $\tilde{O}(\sqrt{T})$ 的次线性贝叶斯后悔。这是首次使用信息比率框架对 R-NV 设定中的 TS 进行的贝叶斯后悔分析。
部署惩罚（项 II）： 使用学习到的补全模型而非真实模型所导致的额外后悔。
- 作者推导出一个界限，表明该惩罚按 $\sqrt{T} \times \sqrt{\Delta_{\text{comp}}}$ 缩放，其中 $\Delta_{\text{comp}}$ 是策略内补全不匹配度（真实轨迹补全与学习轨迹补全之间的 KL 散度）。
- 至关重要的是，他们表明在最大阶覆盖（策略偶尔订购最大容量以揭示尾部需求）和自收缩（自回归生成中的误差随时间衰减）条件下，补全不匹配度受可观测预测不匹配度（离线训练损失）控制。
- 这建立了一个理论联系：高质量的离线预测拟合转化为低在线后悔。

实验结果

作者在合成和真实世界数据集上评估了 ChronosFlow-ICGPS：

健全性检查（正确设定）： 在独立同分布 Weibull 需求设定下，ChronosFlow-ICGPS 在多种服务水平（ $\gamma$ ）下与正确设定的参数化汤普森采样基线性能相匹配，验证了当模型设定良好时，生成式方法能恢复经典行为。
离线到在线联系： 实验证明了离线感知删失验证损失与在线累积后悔之间存在单调关系。更好的离线预测质量导致更低的在线后悔，证实了理论部署惩罚界限。
对不匹配的鲁棒性：
- 分布偏移： 在预训练于四种不同需求族混合体后，于 Weibull 环境中测试，ChronosFlow-ICGPS 显著优于设定错误的参数化 TS，显示出对族偏移的鲁棒性。
- 先验不匹配： 在在线测试参数超出离线训练范围的场景中，ChronosFlow-ICGPS 保持稳定，而具有不匹配先验的参数化 TS 则遭受高后悔。
真实世界基准（SuperStore 数据集）： 使用 SuperStore 销售数据集（Hssaine & Sinclair, 2024），在不同删失严重程度（ $\lambda$ $λ$ ）下评估该方法。
- 重度删失： “Meta"变体（在其他数据集上预训练）在重度删失区域（例如 $\lambda=1$ ）取得了最大增益，显著优于样本平均近似（SAA）、Kaplan-Meier 和 RCN 等基线。
- 轻度删失： 随着删失缓解，性能差距缩小，但该方法仍保持竞争力。

意义与主张

本文声称提供了一种解决具有决策依赖不确定性和连续动作空间的序列决策问题的新模板。其主要意义在于：

统一框架： 它成功结合了参数化贝叶斯方法（通过后验采样进行探索）和数据驱动的离线学习（通过元训练实现鲁棒性）的优势，而无需在线梯度更新。
理论新颖性： 通过将问题简化为 Bandit 凸优化，它为删失报童问题中的汤普森采样提供了首个次线性贝叶斯后悔界限。
实际可行性： ChronosFlow 架构证明了现代生成模型（Transformer + 归一化流）可以被调整以尊重硬性约束（删失）并为运营问题执行有效的情境学习。
离线到在线迁移： 该工作提供了理论条件，说明离线预测质量如何保证在线决策性能，填补了数据驱动运筹学中的一个关键空白。

作者将这项工作定位为迈向“以预测为中心”决策的一步，其重点从估计参数转向生成潜在轨迹的一致补全以驱动最优动作。