Behavior-Grounded Semantic Enrichment for Financial Fraud Modeling and Reasoning

arXiv cs.AI · 29 sept, 06:00

Investigadores presentan un marco de enriquecimiento semántico basado en agentes para mejorar la detección de fraude financiero mediante datos multimodales sintéticos. El trabajo introduce MS-FFSD, un conjunto de datos de fraude financiero enriquecido con semántica estructurada y textual que preserva el comportamiento realista de transacciones, y demuestra que la semántica más rica beneficia tanto al modelado de fraude como al razonamiento contextual de LLMs.