PulseAugur
中
实时 09:09:33
English(EN) Human-in-the-Loop Contextual Bandits for Short-Term Rental Dynamic Pricing: Structural Equivalence of Historical Warm-Up and Approval-Gated Live Learning

AI定价模型使用人工审批来加速学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为“人在回路门控老虎机”（HITL-GB）的新框架，用于短期租赁市场的动态定价。该系统使用上下文老虎机算法来建议价格，但人类代理必须在应用每项建议之前批准、修改或拒绝它。该框架表明，历史定价数据可用于有效初始化老虎机，将冷启动期从数周或数月显著缩短至约30个回合。 AI

影响 通过将人类监督作为一种统计资产，这种方法可以加速高风险、受监管行业中人工智能驱动的动态定价的采用。

排序理由 学术论文，详细介绍了新的算法框架及其在真实世界数据上的验证。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Oleg Miroshnichenko ·

    Human-in-the-Loop Contextual Bandits for Short-Term Rental Dynamic Pricing: Structural Equivalence of Historical Warm-Up and Approval-Gated Live Learning

    arXiv:2606.02595v1 Announce Type: new Abstract: Dynamic pricing in short-term rental (STR) markets presents a distinctive challenge for online learning algorithms: pricing decisions carry significant financial risk, operators require explainability, and market feedback is sparse …

相关话题