AI 管道利用 LLM 生成的叙述增强金融欺诈检测

研究人员开发了一个端到端的管道，用于识别“钱骡”账户，这是打击金融欺诈的关键组成部分。该系统利用一个具有 280 个特征的 LightGBM 分类器、一个用于解释预测的 TreeSHAP 层以及一个用于为分析师生成自然语言叙述的大型语言模型 (LLM)。这种 LLM 增强的方法在实际部署中显著提高了检测率，将产出从 61% 提高到 89%，并扩大了真实阳性覆盖范围。 AI

影响 这项研究展示了如何将 LLM 集成到金融系统中，以改进欺诈检测并减轻分析师的工作量。

排序理由 该项目是一篇研究论文，详细介绍了一种使用 AI 检测金融欺诈的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• LightGBM
• Litmaps
• LLM
• ScienceCast
• Scite
• TreeSHAP

• 产品
• 论文

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →