AIGP: An LLM-Based Framework for Long-Term Value Alignment in E-Commerce Pricing

📄 arXiv: 2606.26787v1 📥 PDF

作者: Chennan Ma, Yanning Zhang, Siqi Hong, Xiuchong Wang, Fei Xiao, Keping Yang

分类: cs.LG, cs.AI, cs.CL

发布日期: 2026-06-25

备注: Accepted by KDD 2026 Applied Data Science Track (Oral presentation)

💡 一句话要点

提出AIGP框架以解决电商定价长期价值对齐问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 动态定价 长期价值对齐 大型语言模型 知识蒸馏 电商优化 可解释性 强化学习

📋 核心要点

  1. 现有的动态定价模型缺乏可解释性，未能充分利用非结构化信息，并且与长期商业目标不一致。
  2. AIGP框架通过结合大型语言模型和领域知识，做出知识驱动的定价决策，并通过长期价值评估器对齐定价策略。
  3. 实验结果显示，AIGP在GMV、ROI和里程碑达成率上均显著优于现有生产基线，提升幅度分别为13.21%、7.59%和8.20%。

📝 摘要（中文）

传统的大规模电商动态定价模型在可解释性、非结构化信息利用和与长期商业目标的对齐方面存在局限。本文提出AIGP，一个新颖的框架，利用大型语言模型（LLM）结合领域知识、结构化数据和文本上下文，做出可解释且知识驱动的定价决策。AIGP的核心是通过离线强化学习训练的长期价值评估器（LTVE），作为奖励模型来评分候选定价行为，并选择偏好对进行直接偏好优化（DPO），从而使定价策略与长期商业目标对齐。大量的离线评估和大规模在线A/B测试表明，AIGP在14天内相比生产基线实现了GMV提升13.21%、ROI提升7.59%和里程碑达成率提升8.20%。

🔬 方法详解

问题定义：本文旨在解决传统电商动态定价模型在可解释性、信息利用和长期商业目标对齐方面的不足。现有方法往往无法有效利用非结构化数据，导致定价决策缺乏透明度和一致性。

核心思路：AIGP框架利用大型语言模型（LLM）结合领域知识和结构化数据，做出可解释的定价决策。通过长期价值评估器（LTVE）对候选定价行为进行评分，确保定价策略与长期商业目标一致。

技术框架：AIGP的整体架构包括数据输入模块（领域知识、结构化数据和文本上下文）、长期价值评估器（LTVE）和直接偏好优化（DPO）模块。LTVE通过离线强化学习训练，提供定价行为的奖励评分。

关键创新：AIGP的核心创新在于将大型语言模型与长期价值评估相结合，形成了一个知识驱动的定价决策系统。这种设计使得定价决策不仅基于历史数据，还能考虑长期商业目标。

关键设计：在模型训练中，采用监督微调进行知识蒸馏，确保高质量输出。LTVE的训练使用历史数据，通过强化学习优化奖励模型，选择偏好对进行DPO，确保定价策略的有效性和可解释性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

AIGP在14天的在线A/B测试中，显著提升了电商平台的关键指标：GMV提升13.21%、ROI提升7.59%、里程碑达成率提升8.20%。这些结果表明，AIGP不仅提高了定价策略的有效性，还增强了定价决策的可解释性和透明度。

🎯 应用场景

AIGP框架在电商定价领域具有广泛的应用潜力，能够帮助企业实现更高的销售额和投资回报率。通过提供可解释的定价决策，企业可以更好地理解市场动态和消费者行为，从而优化定价策略。未来，该框架还可扩展至其他领域，如金融服务和在线广告，提升决策的透明度和有效性。

📄 摘要（原文）

Traditional dynamic pricing models in large-scale e-commerce suffer from limited interpretability, poor utilization of unstructured information, and misalignment with long-term business objectives such as cumulative Gross Merchandise Value (GMV), Return on Investment (ROI) and milestone achievement. We propose AIGP, a novel framework that leverages a Large Language Model (LLM) prompted with domain knowledge, structured data and textual context to make interpretable, knowledge-aware pricing decisions. For efficient deployment while maintaining high-quality outputs, we employ supervised fine-tuning for knowledge distillation. Central to AIGP is the Long-Term Value Estimator (LTVE), trained via offline reinforcement learning on historical data, which serves as a reward model to score candidate pricing actions and select preference pairs for Direct Preference Optimization (DPO), thereby aligning the pricing policy with long-term business objectives. Extensive offline evaluations and large-scale online A/B tests on Tao Factory demonstrate that AIGP achieves significant improvements: +13.21% in GMV, +7.59% in ROI, and +8.20% in milestone achievement rate over 14 days compared to the production baseline, while simultaneously providing interpretable and transparent pricing rationales.