arXiv · ML· Weiyu Han, Haoyu Jiang, Jie Sheng, Ruobing Zuo, Huilin He, Ze Zhao, Xiao Tan, Nairong Zhang, Shuai Chen, Tianyi Zhang·· 5 小时前AI 评分25
Ant International 提出 TRIDENT-Seq 支付风险建模基础模型
TRIDENT-Seq: Profile-Matched Prefix-Future Contrast for Label-Efficient Payment Risk Modeling
AI 导读
TRIDENT-Seq 采用前缀-未来对比学习，在三大支付业务中提升平均精确率和召回率。 使用 10% 标签即可超越全标签从零训练，误用随机候选使召回率降至 5.64%。 部署后追索和总损失率较 XGBoost 系统分别降低 37.7% 和 37.9%。
来源：arXiv · ML · arxiv.org