热点事件持续更新

LLM 辅助联合检测在线对话欺诈与概念漂移

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

Ali Şenol、Garima Agrawal 和 Huan Liu 提交论文，提出一个两阶段框架，用于联合检测在线对话中的欺诈与概念漂移。该框架先用定制集成分类模型筛出可疑对话，再用 One Class Drift Detector（OCDD）定位对话中的概念漂移，并由 LLM 判断这种变化是欺诈操纵还是正常话题转换；若未检测到漂移，则推断为类垃圾信息行为。作者称，在社交工程聊天场景数据集上验证时，该框架提升了实时欺诈检测的准确率与可解释性，并与用不同语言模型完成检测和判断的 Dual LLM 基线进行了对比。

AI 根据报道生成 · 2 小时前更新

最新进展10月31日 12:00

用 LLM 辅助判断联合检测在线对话中的欺诈与概念漂移

报道时间线

沿着报道，了解事件的不同侧面。

10月31日

12:00
arXiv cs.AI
用 LLM 辅助判断联合检测在线对话中的欺诈与概念漂移
研究提出一个两阶段框架，先用定制集成分类模型筛出可疑对话，再用 One Class Drift Detector（OCDD）定位对话中的概念漂移，由 LLM 判断该变化是欺诈操纵还是正常话题转换；未检测到漂移则推断为类垃圾信息行为。在社交工程聊天场景数据集上验证，该框架提升了实时欺诈检测的准确率与可解释性，并与用不同语言模型完成检测和判断的 Dual LLM 基线进行了对比。

本事件热度走势

可比范围当前: 7
可比范围峰值: 810月31日 22:00
近 24 小时变化: –

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。