★ 3
研究 LLM 引导双流奖励设计改进电商支付反欺诈
论文针对生产反欺诈模型只从被放行交易中学习导致的拒付推断偏差，扩展 LLM 引导奖励设计框架，让单个 LLM 设计双流奖励：一路用标注交易计算金额加权精度，另一路对旧系统拦截的无标注交易做对比打分。在四个月样本外测试中，各召回目标下金额加权精度均优于仅用标注的智能体与生产基线，且不增加推理成本。
arXiv cs.LG10 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文针对生产反欺诈模型只从被放行交易中学习导致的拒付推断偏差，扩展 LLM 引导奖励设计框架，让单个 LLM 设计双流奖励：一路用标注交易计算金额加权精度，另一路对旧系统拦截的无标注交易做对比打分。在四个月样本外测试中，各召回目标下金额加权精度均优于仅用标注的智能体与生产基线，且不增加推理成本。