用Shapley给数据定价：让物流大模型微调更省钱更靠谱

年底是物流与供应链最“焦虑”的季节：促销刚过、年终对账在即、来年预算要定。很多团队会在这时候拍板一件事——要不要继续砸钱做数据标注与模型微调。现实往往很尴尬：仓库、运输、客服、采购各自都有数据，也都说“我的最关键”。但模型预算有限，标注产能有限，甚至连“把哪些数据优先洗干净、优先标注”都说不清。

这类争论，本质上是一个被长期低估的问题：数据到底值多少钱？ 2025 年 12 月 arXiv 的一篇新论文提出了一个对大模型微调非常实用的方向：在使用 DPO（Direct Preference Optimization，直接偏好优化） 训练大语言模型时，可以利用其数学结构，把传统上极其昂贵的 Shapley Value（夏普利值）数据估值算得更“轻”。我认为这会直接影响物流场景里最贵的两笔账：数据投入（清洗、标注、采集）与跨部门/跨企业的数据协作分账。

本文是「人工智能在科研与创新平台」系列的一部分：我们关注的不只是“模型更强”，而是科研方法如何转化为可落地的工程与商业决策工具。下面我会用供应链的语言把这项研究讲清楚，并给出可执行的落地路径。

Shapley 数据估值：为什么供应链团队需要它

答案先给：Shapley 值是一种“按贡献分钱”的方法，它能把模型效果提升精确归因到每一份数据（或数据源）上。

在机器学习里，Shapley 值来自合作博弈：多个“参与者”共同创造收益，应该如何公平分配？把“参与者”换成“数据集/数据源/标注批次”，把“收益”换成“模型指标提升”（例如预测误差下降、投诉率下降、拣选差错率下降），就得到数据估值。

对物流与供应链来说，它至少解决三类高频痛点：

1. 预算与资源分配：
   • 预测需求要不要追加门店 POS 数据？
   • 异常预警要不要优先补齐温控/震动传感器数据？
   • 客服对话里哪些标签最值得继续标？
2. 数据治理优先级：
   • 同样是“缺失值”，哪个字段的修复最值钱？
   • 同样是“噪声”，哪一类错误会直接拖垮模型？
3. 跨组织协作分账：
   • 3PL、承运商、平台商、品牌方联合训练模型时，如何避免“谁嗓门大谁分得多”？

一句话：Shapley 值把“感觉很重要”变成“贡献有多少”。

难点在成本：传统 Shapley 为什么算不起

答案先给：Shapley 最贵的地方在于要反复训练模型；数据集一大，训练一次就要烧钱，重复上百上千次会直接让项目破产。

Shapley 的定义要求你考虑“把某份数据加入不同组合”时对模型收益的边际贡献。直观理解就是：

• 你要不断尝试不同的数据子集
• 每次都要训练/微调一次模型
• 然后比较指标变化

对传统的小模型还勉强能做近似；但到了 LLM 微调（尤其是偏好数据、对话数据、业务流程指令数据），一次微调的算力、时间、工程成本都很高。

这也是为什么很多物流团队最终只能用“数据量更大”“来源更权威”“字段更全”这类经验法则做决策——不坏，但经常花钱花在不增益的地方。

论文核心启发：DPO 让 Shapley 计算“可规模化”

答案先给：当你用 DPO 做大模型偏好微调时，目标函数具有可分解的结构，使得贡献计算可以更少依赖“反复重训”。

论文的关键点不在“Shapley 有多公平”（大家都知道它公平），而在于：

• 对一般训练目标，Shapley 估值需要大量重训
• 但对 DPO 这种特定微调方法，数学结构让估值计算显著简化

你可以把它理解成一种“语言模型算术”：在 DPO 的损失函数里，每条偏好样本对目标的作用更容易拆开、汇总，从而把原本指数级/高成本的计算压到一个更可用的规模。

为什么供应链场景特别适合 DPO + 数据估值

DPO 主要用于偏好对齐：用“更好的回答 vs 更差的回答”的成对数据训练模型。供应链里很多关键任务恰恰天然是“偏好问题”，例如：

• 调度建议：同样满足约束，哪种路线更稳、更省、更不容易迟到？
• 异常处理 SOP：同样能回复客户，哪种话术更能降低升级率、减少二次来电？
• 库存策略：同样不缺货，哪种补货更少积压、更少跨仓调拨？

这些任务难以用单一“正确答案”监督学习解决，但很适合用业务专家的偏好进行训练。既然要做偏好数据，那就更需要知道：哪批偏好数据最值钱，哪些标注是“做了也白做”。

从理论到仓库：3 个可落地用法（带操作步骤）

答案先给：把数据估值做成“投资回报表”，你就能把数据、标注和算力预算变成可审计的决策。

下面给出三个我在供应链 AI 项目里最建议优先落地的用法。

用法 1：需求预测与补货——给“数据源”排优先级

很多企业的预测链路里，数据源可能包括：POS、促销计划、天气、节假日、竞品价格、门店缺货记录、渠道流量、退货原因等。问题不是“能不能接”，而是“先接哪个”。

做法（简化版流程）：

1. 按数据源/业务域分组（例如“门店 POS 一组”“促销信息一组”“缺货与断货一组”）。
2. 以组为单位做 DPO 偏好对齐（比如让专家在两种预测/补货建议中选择更符合业务目标的方案）。
3. 计算每组数据对目标指标的 Shapley 近似贡献（论文的思路降低了计算门槛）。
4. 输出一张“数据投入 ROI 表”：
   • 每组数据的边际贡献
   • 每组数据的维护成本（ETL、清洗、延迟、权限）
   • 每组数据的“单位成本贡献”

**你会得到什么：**一份能拿去做预算评审的结论——例如“缺货记录修复 + 促销计划结构化”的贡献远高于“再接一个外部宏观指标”，先把钱砸对地方。

用法 2：客服与异常工单——给“标注批次”定价，避免盲目扩标

物流客服对话、异常工单、签收争议，数据量巨大，但标注贵且慢。常见浪费是：

• 标了一堆重复场景
• 关键长尾没覆盖
• 新政策上线后旧标注迅速贬值

做法：

• 按时间窗/政策版本/渠道（电话、IM、站内信）切分标注批次
• 用 DPO 训练“更优回复/更优处理方案”的偏好模型
• 用数据估值给每批数据算贡献

行动建议：

• 对 贡献低且成本高 的批次：停止扩标，转为抽样质检
• 对 贡献高但覆盖不足 的批次：集中火力补齐长尾
• 对 贡献上升快 的新政策窗口：建立“快速标注通道”，把新鲜度当作指标

用法 3：跨企业数据协作——用“贡献分账”换来更稳定的数据共享

供应链协同经常卡在一句话：“我把数据给你了，我能得到什么？”

如果你们要联合训练一个面向全链路的 LLM 助手（例如联合预测+协同补货+异常处理），Shapley 估值能提供一个更硬的机制：

• 数据提供方按“对最终模型指标的贡献”获得收益/折扣/服务等级
• 贡献可随时间滚动更新，避免一次谈判定终身

这与供应链的透明化目标一致：用可验证的贡献替代拍脑袋的分配。

一句可直接写进合作协议的原则：数据共享的回报，按对联合模型效果的边际贡献结算，并按季度滚动。

落地时别踩的 4 个坑（我更在意这些）

答案先给：数据估值不是“算完就结束”，它必须和业务指标、数据治理、以及合规流程绑定，才不会变成漂亮但无用的报表。

1. 把“模型指标”选错： 供应链里只看离线指标（如 MAE）容易跑偏。建议至少同时跟踪一个在线业务指标，例如缺货率、妥投率、升级率、人工工时。
2. 忽视数据新鲜度与漂移： 12 月的数据对春节前后可能不再适配。估值需要滚动，否则你会为“过期贡献”继续付费。
3. 把 Shapley 当作绝对真理： 它是估值框架，不是神谕。数据之间存在互补/替代关系，解释时要看组合效应，而不是只看单项排名。
4. 合规与隐私没有前置： 跨组织协作时，建议把可用性与合规成本也纳入“净贡献”口径：贡献高但合规成本极高的数据，未必值得共享。

你可以从一个“小试点”开始（两周就能看到方向）

答案先给：先用 2-3 个数据源 + 1 个明确业务指标，做一个可解释的估值看板，比一上来全量铺开更稳。

我更推荐这样的试点配置：

1. 选一个明确任务：例如“异常件自动分流与处理建议”或“门店补货建议生成”。
2. 选 2-3 个数据桶：例如“历史工单文本”“运输轨迹摘要”“商品与网点主数据”。
3. 构造偏好数据：让业务专家在两条处理建议中选更优（每天 30-50 条也够起步）。
4. 微调与估值：用 DPO 微调，并输出每个数据桶的贡献估计。
5. 做一个决策闭环：下个月预算按贡献调整一次，看业务指标是否随之改善。

能跑通这条闭环，你就已经把“科研方法”变成了“创新平台能力”。

结尾：数据估值会成为供应链 AI 的“财务语言”

LLM 进入物流与供应链后，真正昂贵的不是“模型有多大”，而是数据从哪里来、该花多少钱、值不值。这篇研究把一个长期难用的工具（Shapley 数据估值）在 DPO 微调场景里变得更可规模化，我更愿意把它看成一种管理能力：让数据投资像设备投资一样可核算、可复盘、可迭代。

如果你正在做供应链预测、调度、客服或异常处理的 LLM 项目，不妨把下一个问题从“再多标注 10 万条行不行”换成：“哪 1 万条最值钱？” 你准备先从哪个数据源开始做估值试点？