Causal-Aware Foundation-Model for Bilevel Optimization in Discrete Choice Settings
作者: Shivaram Subramanian, Zhengliang Xue, Markus Ettl, Yingdong Lu, Jayant Kalagnanam
分类: cs.LG, math.OC
发布日期: 2026-05-07
💡 一句话要点
提出C3PO因果感知基础模型，解决离散选择环境下的双层价格优化问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 因果感知 基础模型 双层优化 离散选择模型 上下文学习 动态定价 行为经济学
📋 核心要点
- 核心问题：在离散选择场景中，服务商需在复杂业务约束下，应对异构用户对价格的动态响应，现有方法难以在缺乏底层偏好结构时实现实时最优决策。
- 方法要点：提出C3PO网络，融合模仿学习、多任务学习与上下文学习，并引入行为经济学先验知识，通过因果感知机制实现双层优化问题的求解。
- 实验效果：在模拟与真实场景中表现优异，尤其在客户价格敏感度较高时，定价KPI提升显著，并已在医疗、航空等多个行业实现落地应用。
📝 摘要（中文）
本文提出了一种用于离散选择环境中实时最优决策的因果感知基础模型框架。我们设计了约束三头价格优化（C3PO）网络，旨在解决双层决策问题：服务提供商选择最优产品组合，而异构用户基于个人偏好做出接受或拒绝的决策。C3PO集成了价格模仿学习、收益响应的多任务学习以及价格弹性的上下文学习，在满足业务约束的同时生成定价建议。推理阶段，通过前沿模型提示（Frontier model prompting）从行为经济学文献中检索增强的弹性先验，提升了新产品的定价有效性。实验表明，该模型在模拟、合成及真实世界数据集上展现出强大的上下文学习能力。C3PO在训练时利用了多种经典离散选择模型生成的模拟数据，并在无法获取底层偏好结构的随机选择环境中进行了验证。结果显示，该模型能持续提升定价KPI，且在客户价格敏感度较高时增益更为显著。目前该模型已成功应用于医疗、投标定价及航空辅助定价等领域，实现了显著的业务增长。
🔬 方法详解
问题定义：论文旨在解决离散选择环境下的双层优化问题，即服务提供商在面临异构用户群体时，如何在满足业务约束的前提下，通过调整产品组合与价格，最大化自身收益。现有方法通常依赖于对用户偏好的显式建模，在面对复杂、动态且缺乏先验结构的市场环境时，往往难以实现实时且稳健的决策。
核心思路：引入因果感知的基础模型框架，将定价问题转化为一个上下文学习任务。通过模仿学习捕捉历史定价策略，利用多任务学习预测收益响应，并结合行为经济学先验知识，使模型能够从有限的观测数据中推断出潜在的价格弹性，从而在不依赖底层偏好结构的情况下进行最优决策。
技术框架：C3PO网络采用三头架构：第一头负责价格模仿学习，第二头执行收益响应的多任务学习，第三头专注于价格弹性的上下文学习。推理时，利用前沿模型提示技术，将行为经济学文献中的弹性先验注入模型，以增强对新产品或冷启动场景的适应能力。
关键创新：最大的创新在于将因果推理与基础模型架构相结合，通过上下文学习（In-context learning）动态捕捉价格弹性，并利用行为经济学文献作为外部知识库，有效解决了传统定价模型在数据稀疏和结构未知情况下的泛化难题。
关键设计：模型在训练阶段使用了基于多种经典离散选择模型生成的合成数据，包含客户细分、反事实行动与结果对。损失函数设计涵盖了收益预测误差与业务约束惩罚项，确保模型在优化收益的同时严格遵守业务规则。
🖼️ 关键图片
📊 实验亮点
实验结果显示，C3PO在多种模拟与真实数据集上均优于基线模型。特别是在高价格敏感度群体中，定价KPI提升幅度显著。该模型在无需预知底层偏好结构的情况下，展现了极强的泛化能力，并在医疗、航空等多个真实业务场景中通过部署验证，证明了其在实际生产环境中的稳健性与高收益潜力。
🎯 应用场景
该研究适用于需要动态定价的复杂商业场景，包括医疗服务定价、大型项目投标、航空辅助产品定价及零售业产品组合优化。其核心价值在于通过因果感知能力，帮助企业在缺乏完整用户画像的情况下，实现更精准的定价策略，从而在竞争激烈的市场中提升利润率与市场份额。
📄 摘要（原文）
We introduce a causal aware foundation-model framework for real time optimal decision making in discrete choice environments. We propose a constrained triple-head price optimization (C3PO) network to solve a bilevel decision problem in which a service provider selects an optimal assortment while heterogeneous users make personalized acceptance or rejection choices optimizing their own personalized preferences. C3PO integrates imitation learning of prices, multi-task learning of revenue responses, and in context learning of price elasticity to generate pricing recommendations while adhering to business constraints. During inference, frontier model prompting retrieves an enhanced elasticity prior for new products from behavioral economics literature, improving pricing effectiveness. We demonstrate strong in context learning performance using simulated, synthetic, and real-world datasets. C3PO is trained on simulated data generated from multiple classical discrete choice models in economics. The model is trained on data comprising simulated customer segments and counterfactual action and outcome pairs and evaluated on randomly generated choice environments with no access to the underlying preference structure. The trained model consistently improves the pricing KPIs, with gains increasing as customer price sensitivity increases. We also deploy the tuned foundation model for optimal pricing in real-world applications such as healthcare, tender pricing, airline ancillary pricing, and other domains, achieving substantial gains across multiple products, markets, and divisions.