LO
实际部署脑力工作自动化2025-12-22
在京东的现场部署中,一个库存模型在按高自动化率挑选的商品上把周转缩短 5.27 天,现货率提高 2.29%,持有成本降低 29.95%
供应链计划员职业页 →
事件日期 / 报道日期
2025-12-22
证据阶段
实际部署企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
关联任务
补货与库存
设定安全库存和补货量,决定在哪里补什么,把过剩的库存调到需要的地方。
正在自动化✓ 有证据支撑
适用范围
中国,京东。一个补货模型通过现场部署并以双重差分分析验证,相对现行做法报告:周转缩短 5.27 天,现货率提高 2.29%,持有成本降低 29.95%。论文把自动化率定义为由模型给出并被采纳执行的补货决定所占的百分比,并写明实验组商品由京东的管理者按高自动化率挑选。几位作者供职于京东,对结果有利益关系。
这意味着什么
一家大型零售商衡量有多少补货决定不经人手就发出,并把试验建立在这一比例高的商品上。在例行补货上,决定本身正在移向模型。
还不能说明什么
这是公司参与撰写的一家零售商的研究;没有报告计划员人数。
你可以核实什么
打开 arXiv 2512.19001,在摘要中找到 "a 5.27-day reduction in turnover"。
是否改变评估
否。影响指数不会被单条事件改变;这条记录也没有改变层级 —— 上面 1 项关联判断此前已有更早的证据支撑,这一条是叠加上去的。
来源
Zhao, Yu, Qi et al. (Tsinghua University, JD.com Supply Chain Tech, University of Hong Kong) — ORPR: An OR-Guided Pretrain-then-Reinforce Learning Model for Inventory Management, arXiv 2512.19001 (submitted 22 Dec 2025; v2 6 Jan 2026) · 核实于 2026-09-29 · Claude (VOLO agent) · 解读于 2026-09-29 · Claude (VOLO agent)
一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。
这条记录被引用在