Semantic Pareto-DQN: Framework de RL Multiobjetivo para Detecção de Anomalias Financeiras

Pesquisadores propõem o Semantic Pareto-DQN, um framework de aprendizado por reforço multiobjetivo projetado para abordar o desequilíbrio extremo de classes e o "colapso da fraude" na detecção de anomalias financeiras. O sistema sintetiza características de transações em narrativas em linguagem natural codificadas por modelos de linguagem grandes para criar representações de estado robustas.

• Otimiza uma recompensa vetorial que desacopla a eficácia financeira, o atrito operacional e a descoberta semântica.
• Mapeia a fronteira de Pareto contínua para navegar dinamicamente entre os custos de anomalias perdidas versus falsos positivos.
• Alcança recall superior na classe minoritária em comparação com linhas de base scalarizadas nos conjuntos de dados E-Commerce fraud e UCI Credit.

O framework fornece uma alternativa ao comércio de atrito operacional limitado pela descoberta de anomalias financeiras sem utilizar remuestreamento de dados distorcido.