在金融AI实验室这条支线上，我们把「可疑交易告警分级」当作排序问题而非单纯分类问题来验证。规则引擎与旧模型每天产出的告警量很大，真正进入可疑上报的比例却很低，复核人力大量消耗在信息量稀薄的告警上。做法是：保留原有规则作为召回底线，在其上叠加一层特征打分模型，用客户画像、交易对手关系、金额与时间模式等特征输出风险序位，再按序位重排复核队列。
现阶段进展：
- 在保持原有召回阈值的条件下，高优先级告警的复核命中率高于原始队列，低风险告警被后置，人工前置复核量下降；
- 模型同步输出特征贡献，复核人员看到的是可判断的理由，而非单一分数。
下一步将验证跨机构迁移时的特征漂移，并把复核结论回流为弱标签，观察序位模型在长周期下的稳定性。
评论