面向可解释信用卡欺诈检测的大语言模型强化学习
人工智能
2026-01-12 v1 计算工程、金融与科学
摘要
电子商务平台和支付解决方案提供商面临着日益复杂的欺诈方案，从身份盗窃和账户接管到利用数字交易速度和匿名性的复杂洗钱操作。然而，尽管大语言模型（LLM）在理论上具有潜力，但其在现实世界金融环境中用于欺诈检测的应用在很大程度上仍未得到开发，并且它们在处理特定领域电子商务交易数据方面的实际有效性尚未得到实证验证。为了弥合传统机器学习局限性与LLM在欺诈检测中未开发潜力之间的差距，本文提出了一种新颖的方法，该方法采用强化学习（RL）对轻量级语言模型进行后训练，专门用于仅使用原始交易数据的欺诈检测任务。我们利用组序列策略优化（GSPO）算法结合基于规则的奖励系统，在一家中国全球支付解决方案公司提供的真实交易数据集上微调了各种规模的语言模型。通过这个强化学习框架，鼓励语言模型探索嵌入在文本交易数据中的各种信任和风险信号，包括客户信息、运输详情、产品描述和订单历史中的模式。我们的实验结果证明了该方法的有效性，经过后训练的语言模型在留出测试数据上取得了显著的F1分数提升。我们的发现表明，观察到的性能提升主要归因于强化学习固有的探索机制，该机制允许模型发现超越传统工程化特征所捕获的新型欺诈指标。
引用
@article{arxiv.2601.05578,
title = {Reinforcement Learning of Large Language Models for Interpretable Credit Card Fraud Detection},
author = {Cooper Lin and Yanting Zhang and Maohao Ran and Wei Xue and Hongwei Fan and Yibo Xu and Zhenglin Wan and Sirui Han and Yike Guo and Jun Song},
journal= {arXiv preprint arXiv:2601.05578},
year = {2026}
}