PulseAugur
中
实时 15:23:04
English(EN) Coinbase's 9B Fraud Model Beat Opus 4.5: Copy the Pattern With a Verifiable Reward, Tier-Only Output, and Block-Only Harness

Coinbase 的专用 Qwen3.5-9B 模型在欺诈检测方面优于 Claude Opus 4.5

作者 PulseAugur 编辑部 · [1 个来源] ·

Coinbase 开发了一个专用的欺诈检测模型 Qwen3.5:9b，据报道，该模型在 Coinbase 的内部欺诈基准测试中优于 Anthropic 的 Claude Opus 4.5。该系统将 LLM 集成作为一个下游代理，用于审查选定的交易，而不是取代现有的 ML 模型和规则引擎。其方法的关键在于风险评估的“仅限分层”输出和代理的“仅限阻止”权限，确保它不能批准交易，但可以标记可疑交易。该系统在 A/B 测试中，欺诈交易减少了 30%，欺诈金额减少了 22%，估计欺诈节省的成本是推理成本的三倍。 AI

影响 展示了专用、微调模型在特定任务上的有效性，并强调了一个可复制的欺诈检测系统架构。

排序理由 该项目详细介绍了专用模型在特定基准测试上的性能，包括方法和结果，这属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

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

Coinbase 的专用 Qwen3.5-9B 模型在欺诈检测方面优于 Claude Opus 4.5

本文如何被排名

Signal score
31 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该项目详细介绍了专用模型在特定基准测试上的性能，包括方法和结果，这属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
model release, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. dev.to — LLM tag TIER_1 English(EN) · Yong Yu ·

    Coinbase 的 90 亿美元欺诈模型击败 Opus 4.5：通过可验证奖励、仅限分层输出和仅限区块的工具来复制该模式

    <blockquote> <p><strong>Attributed compile + one small offline run on synthetic data</strong><br /><br /> <strong>Primary sources (Coinbase Engineering, "Owning Intelligence" series):</strong> <a href="https://www.coinbase.com/blog/part-one-how-coinbase-built-evaluated-and-post-t…

相关实体

相关话题