LLM 异常检测综述 (NAACL 2025)：强大的分类体系，缺失的表格数据覆盖
NAACL 2025的分类法依然成立，但表格覆盖缺失。金融AI团队必须自行适配视觉模型方法。
#fraud-detection
欺诈检测
AD-LLM 基准测试：GPT-4o 在文本异常检测中零样本 AUROC 达到 0.93+
AD-LLM 发现 GPT-4o 在文本异常检测的零样本任务上达到 0.93–0.99 AUROC，但 LLM 模型选择对金融审计 AI 而言仍不可靠。
CausalTAD：用于大语言模型表格异常检测的因果列排序
CausalTAD 在 LLM 序列化前按因果依赖关系重排表格列，使平均 AUC-ROC 从 AnoLLM 的 0.803 提升到 0.834。
AnoLLM：针对金融数据表格式异常检测的 LLM 微调
AnoLLM 通过用 LLM 负对数似然为行打分，在混合类型欺诈数据上超越经典基线，但在纯数值表格上并未带来额外优势。
利用大语言模型进行零样本异常检测：GPT-4 在表格数据上的表现
GPT-4 在 ODDS 零样本任务上达到 74.1 的平均 AUROC，接近 75.5 的 ECOD 基线，但在高方差数据上失败。账本审计尚未解决。
AuditCopilot：大语言模型在复式记账欺诈检测中的应用
AuditCopilot 将日记账分录欺诈误报从 942 降至 12，但消融实验显示 LLM 主要在综合 Isolation Forest 的分数。
思维链提示：金融人工智能中的精确率与召回率权衡
思维链提示提升精确率，却可能降低对罕见金融事件的召回率，让欺诈检测智能体漏掉本应标记的异常。