Исследователи предлагают Semantic Pareto-DQN, многоцелевой фреймворк обучения с подкреплением, разработанный для решения проблемы экстремального дисбаланса классов и «коллапса мошенничества» при обнаружении аномалий в финансах. Система синтезирует признаки транзакций в повествования на естественном языке, закодированные большими языковыми моделями, для создания надежных представлений состояния.
- Оптимизирует векторное вознаграждение, которое разделяет финансовую эффективность, операционное трение и семантическое обнаружение.
- Отображает непрерывную Парето-фронту для динамической навигации между затратами на пропущенные аномалии и ложными срабатываниями.
- Достижим превосходный отзыв по классу меньшинства по сравнению с базовыми методами скаляризации на наборах данных E-Commerce fraud и UCI Credit.
Фреймворк предоставляет альтернативу компромиссу между ограниченным операционным трением и обнаружением финансовых аномалий без использования искажающей передискретизации данных.