研究人员提出了 Semantic Pareto-DQN，这是一个多目标强化学习框架，旨在解决金融异常检测中的极端类别不平衡和“欺诈崩溃”问题。该系统将交易特征合成由大型语言模型编码的自然语言叙述，以创建鲁棒的状态表示。
- 优化一个向量奖励，该奖励解耦了金融效率、操作摩擦和语义发现。
- 映射连续的帕累托前沿，以动态导航遗漏异常与误报之间的成本。
- 在 E-Commerce fraud 和 UCI Credit 数据集上，相比标量化的基线方法，实现了更优的少数类召回率。
该框架提供了一种替代方案，可以在不使用扭曲数据重采样的情况下，用受限的操作摩擦换取金融异常的发现。