arXiv cs.AI· Kathik Iyer·· 4 小时前AI 评分31
零售预测中的世界模型解释审计:忠实性、准确性与价格响应
Auditing World-Model Explanations in Retail Forecasting: Faithfulness, Accuracy and Price Response
AI 导读
一项对零售预测中世界模型解释的审计发现,解释能通过构造、稳定性、价格方向等八项检查,却仍可能严重偏离真实效果。在高需求周,世界模型给出的提升量是真实值的1.33至1.40倍,LightGBM也高估至1.26倍;对持续降价的价格响应则被高估为真实值-0.5的4.7至6.5倍。在703组配置中,检查通过数与准确性无关(Spearman 0.02)。
正文 · AI 翻译
摘要:读取价格和促销计划的预测模型将每个预测解释为一个基线(即没有任何计划时的销量)加上计划带来的提升,商家根据这一提升来订购库存和规划促销。我们表明,一个解释可以通过用于信任它的各项检查,却仍然错得足以造成金钱损失。我们为任何给出计划提升的预测器定义了八项检查,其中六项的通过规则在任何结果之前就已固定,并在一个世界模型和 LightGBM 上运行这些检查。在具有已知效应的生成商店数据中,世界模型通过了构造、稳定性、价格方向以及与销售和与 LightGBM 的一致性等检查,然而当商家规划进入高需求周时,它给出的提升是真实提升的 1.33 到 1.40 倍,在该世界的八个变体中为 1.23 到 1.42 倍;LightGBM 也高估了它(1.26,以及 1.16 到 1.35)。两者仍然能选出正确的促销周,但按世界模型给出的提升订购的库存偏离真实提升 0.44 到 0.48。世界模型对持续常规价格变化所给出的响应是真实值 -0.5 的 4.7 到 6.5 倍,这是一种只有测量原因才能发现的错误。对解释的合理性检查测试的是解释是否依赖于模型;而决策需要知道它是否正确地反映了世界,这些结果表明前者并不能给出后者。对于我们关于九个数据集的配套论文中最终调优的世界模型,在每个窗口上,基线和提升在各自模型自己的计划下相加成立,但在 Dominick's 上,更深的降价在 29% 到 83% 的商品-周步骤中降低了预测。在来自设置搜索的 703 个配置中,通过的检查与准确率无关(Spearman 0.02,95% 区间 -0.02 到 0.05)。Dominick's 数据中价格事件的一个含噪基准仅作为方向性检查报告。
| 评论: | 23 页。版本 2:摘要和引言已修订;结果未变。代码和数据:doi:https://doi.org/10.5281/zenodo.24271672 |
| 主题: | 机器学习(cs.LG);人工智能(cs.AI) |
| 引用为: | arXiv:2611.20811 [cs.LG] |
| (或 arXiv:2611.20811v2 [cs.LG] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.20811 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Karthik Iyer [查看电子邮件]
[v1]
2026 年 11 月 16 日星期一 09:57:40 UTC(382 KB)
[v2]
2026 年 11 月 17 日星期二 09:28:14 UTC(382 KB)
来源:arXiv cs.AI · arxiv.org