Aug 5, 2026 · Differentiating Through Dual Prices
Differentiating Through Dual Prices: End-to-End Policy Learning Under Capacity Constraints
arXiv 论文 2608.04669v1 提出在容量约束下通过双价格进行端到端策略学习，训练结果模型时对离线策略估计值进行微分，通过双价格本身进行反向传播。论文研究了精确非凸和凸松弛两种公式，凸松弛在期望上满足容量约束，次优性受平滑温度和臂数对数限制。方法在六个数据集上的排队模拟中进行了评估。
EVENT STORY
Development
- First ReportDifferentiating Through Dual Prices: End-to-End Policy Learning Under Capacity ConstraintsarXiv cs.LG
- Current Assessment该研究可能影响社会服务资源分配系统，如住房援助或医院干预，这些系统需要实时决策并满足长期容量约束。端到端学习方法可能提高分配效率，但实际部署需考虑数据偏差和计算开销。Agent Pulse · analysis
该论文针对社会服务中稀缺资源分配问题，提出了一种端到端学习分配策略的方法。传统方法是决策盲的：先为每个臂拟合结果模型，然后根据拟合模型为每个容量受限资源定价，最后分配预测结果减去价格最大的臂。论文提出的方法通过双价格对部署策略的离线策略估计值进行端到端微分，从而训练结果模型。论文研究了两种公式：精确非凸公式和凸松弛，凸松弛在期望上满足容量约束，且次优性受平滑温度和臂数对数限制。所有方法在资源按容量速率补充的排队模拟中进行了评估，在六个数据集上，两种端到端变体在部署调整价值指数上占据领先位置。
端到端学习通过双价格进行反向传播，使得结果模型能够感知容量约束，从而可能优于决策盲的管道。凸松弛提供了可证明的容量约束满足和次优性界限，但可能牺牲最优性。排队模拟评估表明端到端方法在部署调整价值上表现更好，但具体改进幅度和计算成本未在摘要中提及。
该研究可能影响社会服务资源分配系统，如住房援助或医院干预，这些系统需要实时决策并满足长期容量约束。端到端学习方法可能提高分配效率，但实际部署需考虑数据偏差和计算开销。
对于提供社会服务资源分配解决方案的供应商，该方法可能提升系统效率，减少资源浪费，但需评估实施成本和数据要求。
未来可能看到该方法在真实社会服务系统中的试点应用，以及与其他分配策略的比较研究。可验证信号包括论文的代码发布、后续实验或实际部署案例。