uplift-modeling

StoBasket 提出联合随机篮筐编辑（joint stochastic basket editing）框架，将升级销售（upsell）与交叉销售（cross-sell）统一优化以最大化贡献毛利，并在五个公开购物篮数据集上的仿真中几乎捕获全部可实现利润。研究显示联合选择在 Instacart 上比独立选择提升 10.2% 的可实现边际，且精确求解器在毫秒级内完成优化。

提出FunnelCausalNet，一种用于多层级优惠券分配的提升估计方法，在漏斗组合下耦合转化与收入预测头以降低方差，并在半合成Criteo数据和工业酒店优惠券RCT日志上得到验证。

本文介绍了CAR-PL，一种利用多动作会计日志向中小企业推荐业务变更的观测策略排序方法，并在财务KPI预测上将其与多个基线进行了比较。

UpliftBench is a benchmark paper showing that disagreements between uplift modeling evaluations often stem from metric choice rather than model quality, identifying specific mismatches between ranking metrics and deployment objectives across several dataset families.

本文提出一个集成框架，用于在双边招聘市场中个性化免费价值阈值，以应对竞争性目标和受限实验。部署的系统在目标指标上实现了显著提升，同时遵守了参与度安全护栏。