arXiv cs.AI阿里巴巴·12 天前★ 2

TxnQA 发布交易事件序列分析推理基准

原文标题：TxnQA: Benchmarking Analytical Reasoning and Evidence Grounding over Transaction Event Sequences

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 TxnQA，一个包含 27 个任务族（81 个模板）与 5 场景欺诈风险推理套件的分析问答基准，基于合成脱敏交易数据，同时评估结论与支撑证据。评测显示适配能稳定满足输出格式，但算术仍是瓶颈：Gemma-4-31B-IT 与 Qwen3-8B 端到端得分 0.867 和 0.816，MoE 检查点仅 0.632-0.713；欺诈套件中结论准确率超 80%，但联合准确率最高约 23%。

论文速读 · 四段结构cs.CL去论文速读 →

问题: 交易事件序列分析缺乏能同时评估结论与证据的问答基准。
方法: 构建 27 个任务族、81 个模板及 5 场景欺诈推理套件，分解格式遵循、内容准确与端到端指标。
结果: Gemma-4-31B-IT 与 Qwen3-8B 端到端 0.867/0.816，MoE 仅 0.632-0.713；欺诈套件联合准确率最高约 23%。
影响: 暴露算术与证据归因为独立瓶颈，金融风控类智能体评测可直接采用。

所属主题基准测试5

#学术研究 #基准测试 #交易序列 #欺诈检测 #证据归因 #问答

阅读原文 +0

AI 处理过程展开/收起

原始标题：TxnQA: Benchmarking Analytical Reasoning and Evidence Grounding over Transaction Event Sequences

AI 中文标题：TxnQA 发布交易事件序列分析推理基准

来源：arXiv cs.AI · 发布于 12 天前

分类：学术研究 · AI 重要度：★ 2（2）

标签：基准测试 / 交易序列 / 欺诈检测 / 证据归因 / 问答

关键词：TxnQA / 交易序列问答 / 欺诈检测基准 / 证据归因 / LLM 评测

AI 处理：2026/10/21 12:01:25 · 模型 deepseek-chat · 规则版本 2026-10-10.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。