TwinStore：基于视觉语言模型的合成消费者平台

TwinStore 用视觉语言模型构建零售数字孪生与合成购物者。

资讯摘要

论文提出 TwinStore，一个面向实体零售的合成消费者平台，基于视觉语言模型把门店转为数字孪生，并让合成购物者在渲染货架前规划行程、选购并生成小票，以便在真实上架前测试布局、价格、包装与促销。作者报告在 11 个公开数据集的留出验证中，模拟小票的品类组合散度为 0.017–0.018，接近真实漂移 0.012，价格弹性落在实地测量区间内。

要点速读

1. 平台可从 82 种现成格式、平面图或货架手机照片构建门店数字孪生，合成购物者依据渲染货架上的包装、价签和促销标识做购买决策。
2. 提供 3D 回放、配对比较、布局优化、购物者访谈、商圈模型、真实货架照片反事实编辑、含 11 个工具的营销工作室，以及将一句话转为研究草案或基于运行数据的回答的助手。
3. 作者报告在 11 个公开数据集上的留出验证：模拟小票品类组合散度 0.017–0.018，真实漂移 0.012，价格弹性处于实地测量范围内，三个独立决策模型结果一致；支持云端或端侧模型，并提供 Windows、macOS、Linux 安装包。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。