中科大阿里CEDAR预测误差降57%,线上验证商家LTV升13%
量子位 · wechat · 2026-09-17
中科大与阿里巴巴团队提出 CEDAR 框架，解决「决策条件模拟」问题：给定未来动作方案，推演时间序列演化轨迹，入选 KDD'26。
- 双重解耦设计：动作交错 Transformer（AIT）把状态与决策作为独立 token 按因果顺序排列（s(t-1)→a(t)→s(t)），显式建模人为决策的影响；残差修正模块用 Qwen-Plus 从社媒热搜提取事件关键词，经 BGE 编码后通过交叉注意力对齐到具体商品，捕捉外界干预。
- 验证：在 1688 约 3200 万条商品轨迹上，预测误差较最优基线（Informer、TFT、PatchTST 等）降低超 57%；预测 25 周 MSE 1.612 显著低于 PatchTST 的 2.847。线上 A/B 测试带来商家 LTV 提升 13%、店铺 ROI 提升 15%。经典案例：准确捕捉「奶皮子糖葫芦」爆火的需求反转，基线集体踏空。
- 细节：消融显示一阶段联合训练效果更差；显式总结「经验教训」塞入 prompt 反而降低性能。团队计划脱敏开放数据集。
「研究」频道最新
- ActionPiece 重构 VLA 动作分词，LIBERO 达 94.8% — DeepCybo · 2026-09-17
- 伯克利提出 ComPO：零阶偏好对齐新范式缓解似然偏移 — Berkeley · 2026-09-17
- SpectralShift 用谱重参数化扩展 Gated DeltaNet 上下文窗口 — RUC-AIBOX · 2026-09-17
- VIB 与鲁汶大学招聘 AI in Biology 课题组组长，11月15日截止 — giffmana · 2026-09-17
- LeanDB 实测 B2T2 表规范：14 类错误可拦截 12 类 — hargup13 · 2026-09-17
- Walmart 免训练三指标路由器:解决 RAG 压缩悖论,T4 上 0% OOM — _reachsumit · 2026-09-17