Los autores proponen Semantic Pareto-DQN, un marco de aprendizaje por refuerzo multiobjetivo diseñado para abordar el desequilibrio extremo de clases y el "colapso del fraude" en la detección de anomalías financieras. El sistema sintetiza características heterogéneas de transacciones en narrativas de lenguaje natural codificadas por modelos de lenguaje grandes para crear representaciones de estado robustas.
- Optimiza una recompensa vectorial que desacopla la eficacia financiera, la fricción operativa y el descubrimiento semántico.
- Mapea la frontera de Pareto continua para navegar dinámicamente entre los costos de anomalías no detectadas versus falsos positivos.
- Logra un recall superior en la clase minoritaria en conjuntos de datos de fraude de comercio electrónico y UCI Credit en comparación con las líneas base scalarizadas.
Este enfoque proporciona una alternativa al remuestreo de datos equilibrando la interdicción de anomalías con la fricción del cliente sin distorsionar la distribución subyacente de los datos.