Smart Warehouse Delivery Delay Prediction AI Competition

제가 이번 대회를 준비하면서 가장 중요하게 생각했던 부분은 tail delay, 즉 극단적인 지연 구간을 얼마나 잘 예측하느냐였습니다.

지연시간 예측 문제에서는 대부분의 평범한 구간을 안정적으로 맞추는 것도 중요하지만, 실제 성능을 크게 흔드는 지점은 결국 드물게 발생하는 지연 폭증 구간이라고 생각했습니다. 특히 MAE 기준에서는 이러한 tail 구간을 놓쳤을 때 오차가 크게 증가할 수 있기 때문에, 단순히 평균적인 패턴을 잘 학습하는 모델만으로는 한계가 있다고 판단했습니다.

그래서 모델링 과정에서 Multi-Quantile Head를 활용해 다양한 분위수의 예측을 반영하고, tail 구간에 특화된 모델과 tail amplification 전략을 함께 적용했습니다. 핵심은 전체 평균을 무난하게 맞추는 것이 아니라, 물류 시스템에서 실제로 문제가 되는 드물지만 치명적인 지연 상황을 최대한 포착하는 것이었습니다.

좋은 대회 열어주셔서 진심으로 감사합니다.