摘要
针对支付、电商及电信系统中的欺诈检测难题，现有方法在个体准确性、类别不平衡鲁棒性及可解释性上存在不足。本文提出 SAGE，首个端到端的 LLM 驱动多智能体欺诈检测框架。该框架协调三个专用智能体，基于六层数据诊断树和由自然语言梯度引导的马尔可夫决策过程进行决策，并在特定欺诈奖励下自动优化模型。实验表明，SAGE 在多个数据集和主干模型上显著优于基线，平均 F1 值提升 40.86%。
AI 推荐理由
论文核心提出自反思代理框架，通过自然语言梯度和奖励机制自动优化模型，属于典型的自我进化研究。
研究机构
National University of Singapore, School of Computing, Singapore 117417
University of Chinese Academy of Sciences, Institute of Information Engineering, Beijing 100085
China Mobile Communications Group Big Data Business Group, Beijing 102206
论文信息