gym-invmgmt：面向库存管理方法的开放基准测试框架

库存策略的比较通常难以解读，因为其性能既取决于策略本身，也取决于评估合约。拓扑结构、需求模式、信息获取、可行性约束、缺货处理以及关键绩效指标（KPI）定义的差异都可能改变方法的排名。我们推出了 gym-invmgmt，这是一个兼容 Gymnasium 的 OR-Gym 库存管理系列扩展，用于可审计的跨范式评估。该基准在共享的 CoreEnv 状态转移、奖励、动作边界和 KPI 合约下评估优化、启发式和基于学习的控制器，同时通过一个包含 22 个场景的核心网格以及四个补充的多智能体强化学习（MARL）模式行来改变压力条件。在这些已发布的场景中，基于信息的随机规划提供了最强的非神谕参考，反映了在预测信息获取下场景对冲的价值，但其在线计算成本显著更高。在学习控制器中，近端策略优化 Transformer 变体（PPO-Transformer）在快速推理下实现了最强的学习策略质量，而残差强化学习（Residual RL）则提供了有竞争力的混合性能。图神经网络变体（PPO-GNN）在默认的发散拓扑上极具竞争力，但在串联拓扑上鲁棒性较差。模仿学习在平稳状态下表现良好，但在需求变化下性能下降，而有界大语言模型（LLM）策略参数基线最好被解释为一种诊断控制器，而非自主库存优化器。总体而言，该基准测试识别出了特定场景下的领先方法，同时表明性能共同取决于信息获取、需求变化、拓扑结构和策略表示。