PulseAugur
实时 13:54:53
English(EN) SHERLOCK: Towards Dynamic Knowledge Adaptation in LLM-enhanced E-commerce Risk Management

新的SHERLOCK框架提升了LLM驱动的电子商务欺诈检测能力

研究人员开发了SHERLOCK,一个旨在通过整合大型语言模型(LLMs)与结构化领域知识来增强电子商务风险管理的新框架。该系统通过一个三模块方法解决了LLMs在处理复杂欺诈模式和稀疏领域知识方面的局限性。它构建了一个知识库,采用了一种专门的检索增强生成策略,并包含一个用于持续改进的自演化平台。在京东(JD.com)进行的初步测试显示,调查效率和系统适应不断变化的对抗性策略的能力得到了显著提升。 AI

影响 引入了一个用于LLM动态知识适应的新颖框架,有望改进AI在欺诈检测等专业领域的应用。

排序理由 这是一篇详细介绍新框架及其评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Nan Lu, Yurong Hu, Jiaquan Fang, Yan Liu, Rui Dong, Yiming Wang, Rui Lin, Shaoyi Xu ·

    SHERLOCK: Towards Dynamic Knowledge Adaptation in LLM-enhanced E-commerce Risk Management

    arXiv:2510.08948v4 Announce Type: replace-cross Abstract: Effective e-commerce risk management requires in-depth case investigations to identify emerging fraud patterns in highly adversarial environments. However, manual investigation typically requires analyzing the associations…