Human-in-the-Loop Gated Bandit: новый метод динамического ценообразования для аренды жилья
Исследователи опубликовали препринт на arXiv, в котором описан новый подход к динамическому ценообразованию в сфере краткосрочной аренды жилья (STR). Фреймворк Human-in-the-Loop Gated Bandit (HITL-GB) сочетает алгоритм контекстуального бандита с обязательным участием человека-оператора.
В отличие от полностью автоматических систем, HITL-GB сначала выдает рекомендацию по цене, но окончательное решение принимает оператор, который может принять, изменить или отклонить предложение. Это делает алгоритм пригодным для рынков с высокими финансовыми рисками, где требуется объяснимость и контроль.
Главная проблема таких систем — холодный старт: алгоритму нужно много недель или месяцев, чтобы накопить достаточно данных для качественной работы. Авторы показали, что исторические данные, собранные по предыдущей детерминированной политике, структурно эквивалентны on-policy разогревочным данным. Это позволяет инициализировать апостериорное распределение бандита без этапа чистого онлайн-обучения.
Метод протестирован на реальных данных одного из рынков STR: анонимный городской рынок, две комнаты, период с апреля 2022 по апрель 2026 года (1461 ночной эпизод ценообразования). Использовалась иерархическая факторизованная выборка Томпсона (HF-TS). Результаты: холодный старт сокращен с примерно 150 до примерно 30 эпизодов.
Авторы утверждают, что этот результат не ограничивается только арендой жилья. Любая высокорисковая область, где требуется одобрение человека (клиническое дозирование лекарств, выдача кредитов, модерация контента, радиологическая диагностика), удовлетворяет тем же условиям и может выиграть от аналогичной стратегии разогрева.
Таким образом, в регулируемых отраслях обязательный человеческий надзор становится статистическим преимуществом, а не ограничением. Исследование предлагает практический способ внедрения алгоритмов ИИ в чувствительные к рискам сферы без длительного неэффективного обучения.
