蚂蚁国际TRIDENT-Seq支付模型发布
热点事件持续更新
蚂蚁国际TRIDENT-Seq支付模型发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月28日，蚂蚁国际（Ant International）Weiyu Han 团队在 arXiv 上提交论文，提出名为 TRIDENT-Seq 的交易基础模型。该模型专用于支付风险建模，核心创新采用前缀-未来对比学习（Prefix-Future Contrast）训练方法。 实验数据显示，TRIDENT-Seq 在三大支付业务场景中提升了平均精确率和召回率。特别地，模型仅需使用 10% 的标签数据，其性能即可超越基于全标签从零训练的模型。然而，当误用随机候选时，召回率显著降至 5.64%，表明模型对输入质量敏感。 实际部署后，与传统的 XGBoost 系统相比，TRIDENT-Seq 使追索率和总损失率分别降低了 37.7% 和 37.9%。这一进展展示了大模型基础架构在金融风控领域的降本增效潜力。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
Ant International 提出 TRIDENT-Seq 支付风险建模基础模型报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · MLAnt International 提出 TRIDENT-Seq 支付风险建模基础模型
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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。