SIRF 用 CPT 内化风控规范，8B 模型召回提升 15.1pp。
资讯摘要
论文提出 SIRF（Spec-Internalized Risk Foundation Model），通过继续预训练把平台复杂风控规范内化进模型权重，规范数据经 EntiGraph、MAGA 改写和账号级思维链合成，无需额外人工标注。作者报告，在相同来源的对照中，SIRF-8B-SFT 的 Black Recall@P95 达 71.3%，比 Qwen3-8B-SFT 基线高 15.1 个百分点，仅用约 7000 万 CPT token 且未损害通用能力。该模型已作为树模型裁决层部署。
要点速读
- SIRF 将平台风控规范经 EntiGraph、MAGA 改写与账号级 CoT 合成后，通过 CPT 内化到权重中，实现仅输出判定结果的高精度低延迟部署。
- 同源对照显示 SIRF-8B-SFT 的 Black Recall@P95 为 71.3%，较 Qwen3-8B-SFT 基线提升 15.1pp，CPT 仅约 70M token。
- 作者报告该模型已作为树模型裁决层部署，多召回 20% 被误罚样本，并在冻结场景以较低成本迁移，误罚相对减少约 70%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。