本文介绍了一个利用区块链技术在电信和物联网欺诈控制中进行可审计决策管理的框架。研究比较了不同的机器学习方法，发现QLoRA微调的大语言模型分支比零样本提示更具可用性，但并不优于成本较低的集中式集成模型。虽然大语言模型方法在可用性方面显示出潜力，但对合成数据和重放语料库的评估表明，集中式机器学习模型（M1）在性能指标上提供了更好的平衡。 AI
影响 这项研究可能带来更强大、更可审计的电信和物联网欺诈检测系统，从而提高准确性和透明度。
排序理由 该集群包含一篇学术论文，详细介绍了用于特定应用的新颖框架和机器学习模型的评估。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09259v1 Announce Type: cross Abstract: Telecom fraud-control studies often stop at detector-level classification, but deployment use requires request-level policy resolution, lifecycle traceability, and auditability. This paper reframes fraud control as blockchain-link…
Telecom fraud-control studies often stop at detector-level classification, but deployment use requires request-level policy resolution, lifecycle traceability, and auditability. This paper reframes fraud control as blockchain-linked auditable decision management for synthetic tel…