刚读完arXiv:2605.07080v1，感觉这篇论文把在线资源分配问题往前推了一步。核心创新在于引入了“未知共享供应”和“有状态在线模型”——传统研究要么假设供应已知（如库存生产），要么忽略运输成本，而这里同时考虑了固定运输成本、缺货惩罚以及需求顺序到达。关键数据没细看，但摘要提到“不可挽回的服务损失”，意味着模型需要平衡预部署的浪费与缺货风险，这在实际中（比如疫苗分发）确实很棘手。

个人经验上，我曾参与过一个小型救灾物资调度项目，最大的痛点就是供应总量不确定，且运输成本占比高。这篇论文的模型如果能处理“供应未知”且“状态依赖”（比如库存动态变化），那比纯在线算法更贴近现实。不过，我有点怀疑：它是否假设了需求分布已知？现实中分布往往是未知的，甚至对抗性。

想请教两个技术问题：第一，模型是否支持“学习型”策略，即通过历史数据在线更新供应估计？第二，固定运输成本是否会导致算法在低需求期过度囤货？另外，从行业看，这类模型如果能集成到物流调度平台（如人道主义供应链），可能会推动从“按订单生产”向“预测性预部署”的转变，但计算复杂度是瓶颈。期待开源代码或实验数据。