InterFuse 用跨模型交互状态引导支付风险排序的自适应融合。
资讯摘要
论文提出 InterFuse，一种用于支付风险排序的融合框架：将各模型的表示、预测分数与输入覆盖度编码为模型专属 token，对不可用输出使用学习状态，再通过可用性感知注意力更新 token 并生成共享融合状态，据此对可用模型进行交易自适应聚合。作者在工业支付回放数据和三个公开金融基准上评估，报告 Recall@1% 较最强基线提升 1.11–8.09 个百分点，并在四个数据集上取得最高 AUC。
要点速读
- InterFuse 用共享融合状态引导交易级自适应聚合，聚合时纳入各模型的原始预测与输入覆盖度。
- 在工业支付回放与三个公开金融基准上，作者报告 Recall@1% 较最强基线提升 1.11–8.09 个百分点，且四个数据集 AUC 均为最高。
- 消融实验显示跨模型交互与自适应聚合均有贡献；工业分析发现模型预测分歧越大，交互带来的增益越明显。
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 2026/11/4 08:00:28（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。