知识卡片：语义Pareto-DQN：用于金融异常检测的多目标强化学习框架

一句话结论：语义Pareto-DQN通过多目标强化学习框架，在不使用扭曲性数据重采样的情况下，将异构交易特征融合为自然语言叙事作为状态表示，并优化包含金融效力、操作摩擦和语义发现三个维度的向量化奖励，从而突破传统单目标算法在极度类别不平衡下的“欺诈崩溃”问题，提升少数类（异常）召回率。

英文标题：Semantic Pareto-DQN: A Multi-Objective Reinforcement Learning Framework for Financial Anomaly Detection

英文关键词：multi-objective reinforcement learning; financial anomaly detection; fraud collapse; pareto frontier; large language models

事件概述：金融异常检测面临极度类别不平衡，传统单目标算法容易陷入“欺诈崩溃”，即倾向预测多数类而忽略少数类异常。现有方法（如数据重采样）会扭曲原始分布。本文提出语义Pareto-DQN，一种多目标强化学习框架，旨在平衡异常拦截与客户摩擦，而不依赖数据重采样。

方法/产品要点：

• 使用大语言模型（LLM）将异构交易特征合成连贯的自然语言叙事，作为鲁棒的尺度不变状态表示。
• 定义向量化奖励函数，显式解耦三个目标：金融效力（拦截异常的经济效果）、操作摩擦（对正常用户的干扰成本）、语义发现（异常模式的语义新颖性）。
• 通过绘制连续帕累托前沿，系统动态导航漏报与误报之间的非对称成本。
• 在训练中无需重采样或改变类别分布。

主要结果：

• 在电子商务欺诈数据集和UCI Credit数据集上，语义Pareto-DQN成功打破“零召回陷阱”，相比标量化基线（scalarized baselines）取得了更高的少数类（异常）召回率。
• 提供了一种替代方案：用有限的操作摩擦换取金融异常发现能力。

为什么重要：传统异常检测方法在处理极度不平衡时往往牺牲异常召回率以维持整体准确率，或依赖破坏原始分布的重采样技术。该框架将多目标强化学习与LLM语义表征结合，首次以端到端方式同时优化金融效益、用户摩擦和语义发现，且无需重采样。相较于已有相关卡片（如基于多智能体强化学习的电池管理、物理约束的晶粒生长、CompactionRL），本卡片聚焦金融领域，首次提出利用LLM生成语义叙事作为状态表示的多目标RL方法，属于新的应用场景和技术路径。

局限与不确定性：

• 文中未披露帕累托前沿的搜索效率计算开销，以及语义叙事生成的LLM推理延迟是否影响实时性。
• 未报告在更多样化的金融场景（如医保欺诈、洗钱检测）上的泛化表现。
• 与真实银行部署环境中的延迟和合规要求是否兼容，待核实。

可用于图书/PPT/简报的角度：

• 多目标强化学习在不平衡分类问题中的创新应用：以向量化奖励替代标量化损失函数。
• LLM作为特征融合与状态编码器：从异构交易数据到语义叙事，提升表示鲁棒性。
• 帕累托前沿动态决策：实际业务中如何在拦截欺诈与降低误报率之间灵活权衡。

原始材料：

• 论文标题：Semantic Pareto-DQN: A Multi-Objective Reinforcement Learning Framework for Financial Anomaly Detection
• 作者：Cláudio Lúcio do Val Lopes, Lucca Machado da Silva
• 发布/更新日期：2026-07-10
• 类别：cs.LG, cs.AI
• arXiv ID：2607.09641v1
• 链接：https://arxiv.org/abs/2607.09641v1