端到端业内落地调研
京东 & 美团：Decision-Focused Learning 在供应链与营销的工业化落地
📑 页面目录
一、论文解读（按公司及时间顺序）
1. 京东 — 2023年（Management Science）：A Practical End-to-End Inventory Management Model with Deep Learning
这篇论文是京东与学界合作的早期端到端库存管理探索。传统多周期库存管理需要先预测需求和供应商提前期（VLT），再代入库存策略（如 (s,S) 策略）。论文指出这种"预测后优化"会导致误差累积且目标不一致。
核心贡献：理论证明了多周期库存问题可以分解为多个独立的单周期问题，从而可以利用"事后最优解"作为深度学习模型的训练标签；设计了包含 MQRNN（多分位数循环神经网络）和 MLP 的定制化神经网络结构，端到端输出补货决策。
落地结果：在京东真实数据上的离线仿真和 2020 年的实地实验（覆盖数千 SKU）中，该 E2E 模型显著降低了持有成本、缺货成本和总库存成本。
2. 京东 — 2025年（arXiv）：OTPTO: Joint Product Selection and Inventory Optimization in Fresh E-Commerce Front-End Warehouses
这是京东针对生鲜电商前置仓场景提出的更精细化的端到端方案。核心挑战是容量极小（SKU 种类上限、总库存量上限、单品最低库存量），需同时决定"选哪些品"和"各存多少"，目标是最大化订单完全履约率。
创新点：采用 Optimize-then-Predict-then-Optimize 三阶段流程。先通过 0-1 混合整数规划（OM1）求解历史上的最优库存决策（作为"黄金标签"），再用 LightGBM 并行学习选品（PM1）和库存量（PM2），最后通过后处理（OM2）满足实际约束。特别针对 MIP 多最优解导致的样本不一致问题，设计了标签生成与平滑策略。
落地结果：在京东 7Fresh 真实数据上，订单完全履约率相对提升 7.05%，与理论最优的差距缩小 5.27%，并在多个前置仓验证了鲁棒性。
3. 美团 — 2024年（KDD）：Decision Focused Causal Learning for Direct Counterfactual Marketing Optimization
这是美团将决策焦点学习（DFL）应用于营销优化的早期工作，主要解决三个实际问题：预算约束不确定、反事实导致决策损失无法直接计算、大规模数据下高频调用 OR 求解器的计算成本高。
核心思想：将预算分配问题转化为对偶问题，利用拉格朗日乘子将不确定的预算约束吸收进目标函数，从而定义可微分的"对偶决策损失"。提出了多种可微替代损失（Policy Learning Loss, Maximum Entropy Regularized Loss）和改进的有限差分法（IFD）来高效估计梯度。
落地结果：在 Criteo 公开数据和美团折扣营销数据上离线评估（EOM/AUCC）优于传统两阶段方法；在线 A/B 测试四週，DFCL 相对 TSM-SL 订单提升 2.17%，优于 DPM 的 1.32%。
4. 美团 — 2025年（NeurIPS）：Bi-Level Decision-Focused Causal Learning for Large-Scale Marketing Optimization
这是美团 DFCL 的进阶版本，核心突破是系统性地解决营销优化中的两大难题：预测-决策目标错位 和 偏差-方差困境（观测数据量大但有偏，RCT 数据无偏但量小且昂贵）。
核心思想：提出双层优化框架。上层（Upper Level）利用无偏的 RCT 数据优化决策损失（LDL），下层（Lower Level）利用大规模的观测数据（OBS）优化预测损失（LPL）。通过隐式微分和共轭梯度法高效求解双层优化，并引入"桥接网络"动态生成反事实伪标签，使下层预测学习方向得到上层的无偏校正。
落地结果：在美团两个营销数据集和公开数据集上，EOM 指标提升显著；在线 A/B 测试中，Bi-DFCL-PIFD 相对 TSM-SL 订单提升 3.22%，优于 DFCL-PIFD 的 1.80%。目前已部署于美团多个营销场景。
二、调研表格（按公司及时间顺序）
| 方法/框架 | 公司/机构 | 时间 | 解决的问题 | 核心思想 | 关键技术/创新点 | 实验/落地情况 |
|---|---|---|---|---|---|---|
| E2E Inventory Management | 京东 / UC San Diego | 2023 (Management Science) | 多周期库存管理，同时存在随机需求和随机供应商提前期（VLT），最小化总库存成本。 | 端到端（E2E）学习：直接训练深度学习模型从输入特征输出最优补货决策。 | 理论证明多周期问题可分解，利用"事后最优解"作为标签；定制 MQRNN+MLP 网络结构；多任务损失（补货主任务+预测辅助任务）。 | 离线仿真（京东真实数据）优于传统策略；2020 年实地实验（数千 SKU）显著降低持有成本、缺货成本、缺货率。 |
| OTPTO | 京东 | 2025 (arXiv) | 生鲜电商前置仓的联合选品与库存优化，受限于极小容量，最大化订单完全履约率。 | Optimize-then-Predict-then-Optimize：先求解历史最优解作为标签，再学习该最优决策，最后后处理满足约束。 | 0-1 MIP 模型 OM1 获取历史最优库存；标签平滑+特征工程解决样本不一致性；PM1+PM2 并行预测；OM2 后处理约束校准。 | 京东 7Fresh 数据：订单完全履约率绝对提升 4.34%（相对 7.05%），与理论上界差距缩小 5.27%；多仓库验证鲁棒。 |
| DFCL | 美团 / 南京大学 | 2024 (KDD) | 营销预算分配（多折扣选择），应对预算不确定性、反事实缺失、大规模计算成本。 | 决策焦点学习 + 拉格朗日对偶：将对偶问题作为学习目标，设计可微分替代损失，对预算不敏感。 | 对偶决策损失；策略学习损失（PLL）和最大熵正则损失（MERL）；改进有限差分法（IFD）提升训练效率。 | Criteo 和美团数据离线评估（EOM/AUCC）优于 TSM、DPM；在线 A/B 测试四週，订单相对提升 2.17%，已部署。 |
| Bi-DFCL | 美团 / 南京大学 | 2025 (NeurIPS) | 大规模营销优化，同时解决预测-决策目标错位和观测数据有偏（偏差-方差困境）。 | 双层优化：上层用 RCT 无偏数据优化决策损失，下层用大规模 OBS 数据优化预测损失，通过隐式微分端到端训练。 | 基于 RCT 的无偏决策损失估计；双层优化+隐式微分+共轭梯度求解；桥接网络生成反事实伪标签，动态校正观测数据学习方向。 | 公开及美团数据集上显著优于 SOTA；在线 A/B 测试订单相对提升 3.22%（vs TSM-SL），优于 DFCL 和 DPM；已部署于多个营销场景。 |
总结：京东侧重供应链（库存管理 → 联合选品与库存），路线从"事后标签学习"到"Optimize-Predict-Optimize"；美团侧重营销（预算分配 → 双层反事实优化），从单一对偶损失演进到双层桥接网络。两家公司的共同趋势：都在消除"预测-决策"之间的目标错位，且都通过在线 A/B 测试验证了真实的业务效果。