新算法优化第三方平台的动态服务费定价

研究人员开发了一种用于第三方平台动态服务费定价的新算法，解决了在混杂条件下学习需求所面临的挑战。该算法实现了最优遗憾，并揭示了供给侧噪声如何影响可学习性，从而导致遗憾的相变。研究还表明，非独立同分布（non-i.i.d.）动作可以作为需求学习的工具变量，并为深度神经网络在此背景下的效率提供了保证。来自Talabat和Lyft的模拟和离线数据说明了该方法潜在的收入影响。 AI

影响 这项研究可能导致在线平台更有效的定价策略，从而影响企业的收入和消费者的成本。

排序理由 关于一种新颖的需求学习和定价算法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• arXiv
• CORE Recommender
• Hugging Face
• IArxiv Recommender
• Lyft
• Rui Ai
• Talabat

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →