审计和修复离散选择表格基础模型中的经济有效性

表格基础模型在选择预测任务上实现了很高的准确性，但它们的预测常常违反这些任务所需的经济逻辑：提高价格有时会增加预测的需求，而隐含的支付意愿估计通常是负的或难以置信的。我们提出了一个两阶段适配器，将基础模型预测嵌入到效用最大化框架中。在第一阶段，我们估计一个标准选择模型，其参数被限制为服从经济理论。在第二阶段，我们冻结这些参数并训练一个校正项，该校正项将基础模型的预测作为附加信息纳入其中。结果是一个模型继承了基础模型的准确性增益，同时保证了政策扰动下的单调价格-需求关系，并产生了可分析计算的权衡措施。在两个交通数据集上，适配器比标准 logits 模型恢复了高达 13 个百分点的精度，同时保持了完美的经济一致性，这是原始基础模型和传统 蒸馏 都无法实现的。