arXiv cs.CL· Bo Qu, Zhurong Wang, Daisuke Yagi, Zhen Xu, Yang Zhao, Yinan Shan, Frank Zahradnik·· 10 小时前AI 评分31
LLM 增强的自演化强化学习用于多步电商支付欺诈风险检测
LLM-Enhanced Self-Evolving Reinforcement Learning for Multi-Step E-Commerce Payment Fraud Risk Detection
AI 导读
该研究将电商支付欺诈检测建模为多步马尔可夫决策过程，用 LLM 迭代优化强化学习的奖励函数，在真实数据上提升了欺诈检测准确率并展现零样本能力。长期评估验证了该 LLM 增强 RL 框架的有效性与鲁棒性，成果发表于 ACL 2025 工业赛道。
正文 · AI 翻译
摘要：本文提出了一种新颖的电子商务支付欺诈检测方法，将强化学习（RL）与大语言模型（LLMs）相结合。通过将交易风险建模为多步马尔可夫决策过程（MDP），RL 在多个支付阶段优化风险检测。设计有效的奖励函数是 RL 模型成功的关键，但由于设计的复杂性和多变性，通常需要大量的人工专业知识。LLMs 凭借其先进的推理和编码能力，非常适合改进这些函数，相较传统方法具有优势。我们的方法利用 LLMs 迭代增强奖励函数，实现了更高的欺诈检测准确率，并展现出零样本能力。基于真实数据的实验通过长期评估证实了我们的 LLM 增强 RL 框架的有效性、鲁棒性和韧性，凸显了 LLMs 在推进工业级 RL 应用方面的潜力。
| 评论： | 12 页，12 幅图，ACL 2025 工业赛道 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2509.18719 [cs.LG] |
| （或 arXiv:2509.18719v1 [cs.LG] 为此版本） | |
| https://doi.org/10.48550/arXiv.2509.18719 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | 载于第 63 届计算语言学协会年会论文集（第 6 卷：工业赛道），第 92-103 页，2025 年 |
| 相关 DOI： | https://doi.org/10.18653/v1/2025.acl-industry.9
链接到相关资源的 DOI |
提交历史
来自：Bo Qu [查看邮箱]
[v1]
2025 年 9 月 23 日星期二 07:07:16 UTC（698 KB）
来源：arXiv cs.CL · arxiv.org