arXiv Artificial Intelligence· Bo Qu, Zhurong Wang, Frank Zahradnik, Ming Ouyang·· 13 小时前AI 评分31
用可逆 LLM 规则叠加层修补冻结欺诈检测器的盲区
Patching the Blind Spots: Reversible LLM Rule Overlay for Frozen Fraud Detectors
AI 导读
研究者提出一种不改动已部署模型的可逆 LLM 规则叠加层，由 LLM 针对 SHAP 显示模型低估的特征提出规则，经经验支持筛选后校准为可加、可逆的 log-lift 叠加层，在生产截断点运行。
推荐理由模型分析
该工作针对已部署的表格欺诈分类模型不能安全重训的问题，提出用LLM生成规则、经SHAP定位被低估特征，再筛选校准为可逆的加性log-lift覆盖层，不改动原模型。真实电商欺诈检测器上，覆盖层在同等精度下平均提升2.26%召回，在同等召回下提升1.60%精度；单LLM方差大且跨数据集反转，故用三个骨干等权logit平均换取有界最差情况。适合风控与表格模型运维人员参考，但证据限于一个真实检测器和七个设计偏差变体，现场收益仍需按自身数据验证。
来源：arXiv Artificial Intelligence · arxiv.org