一篇新发表在arXiv上的论文，题为《LLM在欺诈检测和信任与安全工作流程中的运营证据差距》，强调了支持大型语言模型（LLM）在关键运营流程中部署的证据存在显著不平衡。该研究调查了49篇与LLM在欺诈检测、调查支持和内容审核中的应用相关的文献，发现虽然审核类论文通常包含延迟、成本和公平性方面的数据，但欺诈相关文献主要报告的是离线任务性能或案例研究准确性。该论文引入了一个名为FORTE的框架来对LLM的角色进行分类，并提出了一个最低部署证据清单，以指导未来的研究并支持基于LLM的欺诈和信任与安全系统的论断。 AI
影响 强调了在现实运营环境中，尤其是在欺诈检测和信任与安全领域，需要更强有力的LLM性能和成本证据。
排序理由 学术论文分析LLM运营证据差距。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
