用于检测异常数字资产交易的人类中心LLM代理系统
人工智能
2026-03-10 v3
摘要
我们提出HCLA（Human-Centered LLM-Agent System），一个用于检测数字资产交易中异常现象的人类中心多代理系统。该系统集成了三个认知对齐的角色：规则抽象、证据评分和专家式论证。这些角色在对话式工作流程中运行，使非专业人士能够以自然语言表达分析意图、检查结构化风险证据并获取可追溯、情境感知的推理。采用开源Web界面实现，HCLA将用户意图转化为显式分析规则，应用经典异常检测器对证据风险进行量化，并在可观察的交易信号基础上重构专家式论证。针对加密货币异常数据集的实验表明，尽管底层检测器实现了强大的预测准确率，但HCLA显著提升了可解释性、交互性和决策透明度。重要的是，HCLA并非旨在以传统XAI方式解释黑箱模型。相反，我们重构了与监管和调查判断相吻合的可追溯专家推理过程。通过显式区分证据评分与专家式论证，框架强调可解释性之外的问责，满足监管、审计和合规驱动的金融forensics的实际需求。我们描述了系统架构、闭环交互设计、数据集、评估协议及局限性。我们认为，人类在环推理重构范式对于实现高风险金融环境中的透明性、可信任性和可解释性至关重要。
引用
@article{arxiv.2510.20102,
title = {Human-Centered LLM-Agent System for Detecting Anomalous Digital Asset Transactions},
author = {Gyuyeon Na and Minjung Park and Hyeonjeong Cha and Sangmi Chai},
journal= {arXiv preprint arXiv:2510.20102},
year = {2026}
}