arXiv发布零售预测模型对比论文

2026年10月18日，Karthik Iyer和Madan Dabbeeru在arXiv平台发布论文《World Models, Trees and Foundation Models for Retail Forecasting: Evidence from Four Public Data Sets》。 该研究在M5等四套公开数据集上，对世界模型、LightGBM、TimesFM等九种算法进行了对比测试。研究发现，预训练模型在缺乏计划输入时精度会下降。 结果显示最佳模型取决于预测粒度：混合模型在单品级别预测中误差最低，而LightGBM在类别级别预测中表现更优。研究强调需结合具体数据场景选择模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。