研究者らは、金融異常検出における極端なクラス不均衡と「不正検知の崩壊」に対処するために設計された多目的強化学習フレームワークであるSemantic Pareto-DQNを提案する。このシステムは、トランザクション特徴を自然言語のナラティブに合成し、大規模言語モデルによってエンコードして堅牢な状態表現を作成する。

  • 金融効果、運用摩擦、意味的発見を分離するベクトル報酬を最適化する。
  • 見逃し異常と偽陽性のコストを動的にナビゲートするために連続パレートフロンティアをマッピングする。
  • E-Commerce不正およびUCI Creditデータセットにおいて、スカラー化されたベースラインと比較して少数クラスの再現率で優れている。

このフレームワークは、歪なデータリサンプリングを使用せずに、制限された運用摩擦と引き換えに金融異常の発見を行う代替手段を提供する。