arXiv cs.AI· Ge Fan, Kai Wang, Chaoyun Zhang, Yingjie Li, Yuze Liu, Junyang Chen·· 1 天前AI 评分29
SkinAdvisor：基于多模态 Transformer 销量预测的游戏皮肤生产决策框架
SkinAdvisor: An AI-Driven Decision Framework for Skin Production Planning via Multi-Modal Transformer Sales Forecasting
AI 导读
SkinAdvisor 是一套 AI 驱动的游戏皮肤生产决策框架，其核心 SkinCast 用多模态 Transformer 预测未发布皮肤未来 180 天的逐日销量轨迹，离线实验中 RMSE 较最强基线 Informer 降低约 20%、较经典方法降低约 60%。
正文 · AI 翻译
摘要：皮肤（游戏内装饰性物品）是现代网络游戏的主要收入来源，然而生产决策（制作哪些皮肤、何时发布、如何定价）仍由直觉和回溯性分析驱动。我们提出 SkinAdvisor，一个用于皮肤生产规划的 AI 驱动决策框架，其核心是 SkinCast，一个已部署的多模态 Transformer，可预测未发布皮肤未来 180 天的逐日销售轨迹。SkinCast 融合四个编码器：一个预训练的 Informer 用于玩家偏好时间序列，一个预训练的 Player-Hero-Skin 图嵌入器用于关系先验，以及两个轻量级 Transformer 分别用于皮肤属性和发布上下文，通过共享骨干网络与局部加全局的 day-x 位置编码融合，并由一个 N 层 Informer 以单次非自回归方式解码。SkinAdvisor 将这些预测接入服务流水线（Select -> Fill -> Infer -> Sales -> ROI -> Ranking），按基于预测的 ROI 对候选皮肤排序，并支持多候选比较。该系统已在完整发布周期内投入生产。离线实验表明，SkinCast 相比最强基线（Informer）将 RMSE 降低约 20%，相比经典方法降低约 60%；在 16 核 CPU 服务器上的压力测试确认 p99 延迟低于 8ms，峰值吞吐量超过 1100 rps。我们报告两条部署经验：数量级的精度足以支撑生产决策；预训练嵌入可能泄露时间信息，需要按赛季划分数据来防止。
| 评论： | 已被 AAAI 2027（IAAI-27）接收。10 页，4 幅图 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.15023 [cs.LG] |
| （或 arXiv:2611.15023v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.15023 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kai Wang [查看邮箱]
[v1]
2026 年 11 月 11 日星期三 04:36:07 UTC（1,167 KB）
来源：arXiv cs.AI · arxiv.org