双流LLM奖励设计应对拒推断偏差
热点事件持续更新
双流LLM奖励设计应对拒推断偏差
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
2026年11月9日，arXiv人工智能板块刊出Bo Qu等作者的论文，将LLM引导奖励设计扩展到电商支付欺诈检测中的拒付推断问题。研究沿用Qu等2025年框架，由单个LLM演化两步REINFORCE欺诈拦截策略的奖励，并设计双流奖励：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。论文称该方法在奖励层面应对拒付推断问题，并已通过验证。报道未披露实验数据集、对比基线及具体性能数字，也未说明该方法在何种交易规模或地域条件下适用。
AI 根据报道生成 · 12 小时前更新
最新进展11月9日 13:00
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报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv Artificial Intelligence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
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。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月10日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。