条件付き拡散モデルによる新規製品ライフサイクルのコールドスタート予測

arXiv cs.LG / 2026/4/23

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、初期需要データが不足するプレローンチおよびローンチ直後の段階における、新規製品のライフサイクル軌道を予測する「コールドスタート問題」に取り組む。
条件付き生成モデルである Conditional Diffusion Life-cycle Forecaster（CDLF）を提案し、静的な製品記述、類似製品の参照軌道、観測が入手可能になった時点での新規シグナルを統合して予測する。
CDLFは再学習なしで時間とともに予測を適応更新できることを目指し、極端なデータ不足下でも柔軟なマルチモーダルな予測分布を生成する。
著者らは、CDLFが古典的な拡散モデル、ベイズ更新アプローチ、その他の最先端機械学習ベースラインよりも、点予測と確率予測の両面で精度が高いと報告している。
実験はIntelマイクロプロセッサのSKUライフサイクルと、オープンLLMリポジトリのプラットフォーム経由での採用シナリオを含み、異なる領域で有効性を示している。