Integrable Elasticity via Neural Demand Potentials
可积弹性神经需求网络：从需求表面直接导出稳定的价格弹性
🧭 可积弹性需求建模与弹性稳定估计 ★ 深度解读
IAMM Research, DAMM
ICDN 通过可积的神经需求表面学习 log-需求，用解析样条和稀疏注意力直接导出稳定、经济合理的有向交叉弹性
📌 工作参考价值（4 点）
- 将价格作为独立分支输入，上下文编码器输出条件系数，使需求表面随季节、促销、门店等动态变化，直接支持价格模拟而非仅做点预测。
- 稀疏注意力图选择 top-k SKU 对，将交叉弹性计算从 O(n²) 降至 O(nk)，冻结后可用于大规模商品场景。
- 自身价格曲率平滑度惩罚和弹性带惩罚可有效抑制导数噪声，得到更稳定的弹性估计，避免过拟合导致怪异正值或异常交叉弹性。
- 显式样条基与解析导数使得弹性计算无需自动微分的完整雅可比，可在 GPU 上高效训练，适合电商中成百上千 SKU 的日常定价决策。