Decision-Aware Training for Sample-Based Generative Models
决策感知的样本生成模型训练
🧭 决策感知生成模型训练
Tübingen AI Center, University of Tübingen · University of Augsburg
在能量得分中融入可微决策损失，使生成模型训练直接感知下游决策成本
📌 工作参考价值（4 点）
- 在供应链预测（销量/库存）中，可将缺货成本或过剩成本作为可微决策损失，与能量得分联合训练，提升关键分位数的预测精度，降低业务损失。
- 动态定价场景下，将利润损失函数嵌入生成式价格分布的优化目标，直接最小化预期决策成本，替代后处理决策优化。
- 工程实现时，需对非可微的业务损失进行平滑近似（如用SoftMax代替argmax），确保梯度可反向传播；可参考文中对决策损失可微化的设计。
- 该方法保持概率模型校准性，不仅输出点预测，还保留完整分布，适合风险敏感决策场景，如广告预算分配、促销门槛设定。