研究人员开发了Semantic Pareto-DQN，一个新颖的多目标强化学习框架，旨在应对金融异常检测的挑战，特别是在极端类别不平衡的情况下。该框架利用大型语言模型将交易数据转换为自然语言叙述，创建了强大的状态表示。该代理优化了一个矢量奖励，该奖励平衡了金融效益、操作摩擦和语义发现，使其能够应对检测异常与最小化客户干扰之间的权衡。 AI
影响 该框架可以通过更好地平衡异常发现与用户体验来提高欺诈检测系统的准确性和效率。
排序理由 该集群包含一篇详细介绍异常检测新框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09641v1 Announce Type: cross Abstract: Financial anomaly detection suffers from extreme class imbalance, causing traditional single-objective algorithms to exhibit ``fraud collapse'', defaulting to the majority class and failing to balance anomaly interdiction with cus…
Financial anomaly detection suffers from extreme class imbalance, causing traditional single-objective algorithms to exhibit ``fraud collapse'', defaulting to the majority class and failing to balance anomaly interdiction with customer friction. To overcome this without distortiv…