arXiv Artificial Intelligence· Bo Qu, Zhurong Wang, Frank Zahradnik, Ming Ouyang·· 13 小时前AI 评分29
双流 LLM 引导奖励设计：面向电商支付欺诈检测中拒付推断感知强化学习
Dual-Stream LLM-Guided Reward Design for Reject-Inference-Aware Reinforcement Learning in E-Commerce Payment Fraud Detection
AI 导读
研究将 LLM 引导奖励设计扩展到拒付推断问题，由单个 LLM 设计双流奖励：第一流对已标注交易沿用美元加权精确率目标，第二流用最新梯度提升风险信号对比当初触发拦截的旧分数，为被旧系统拦截的无标签交易打分。
推荐理由模型分析
该工作针对欺诈检测中的拒绝推断偏差：旧系统拦截的交易没有标签，模型只在获批样本上训练。作者让 LLM 设计双流奖励，把未标注的拦截交易也纳入奖励计算，并在四个月样本外测试中，于 80%、85%、90% 召回率下将美元加权精度分别提升 4.7、2.4、3.0 点，且推理成本不变。适合风控算法与 LLM 奖励设计研究者参考，但结论限于单一业务数据，尚需跨场景验证。
来源：arXiv Artificial Intelligence · arxiv.org