CRISP: Scalable Importance-Stratified Coresets for Imbalanced Tabular Learning
CRISP通过重要性分层剪枝方法解决大规模不平衡表格数据集上梯度提升树训练昂贵的问题，有效减少了多数类样本同时保持高精度。
0 citationsRead paper
Selected work
Representative Papers
SR-Fraud: An Outcome-Supervised Reflective LLM Agent Framework for Non-Stationary Payment Fraud Detection
为解决实时支付欺诈检测中的非平稳性问题，提出SR-Fraud框架，通过冻结代理和离线反思代理结合的方法来捕捉行为变化并提高检测性能。
0 citationsRead paper
Recent publications
Latest Papers
CRISP: Scalable Importance-Stratified Coresets for Imbalanced Tabular Learning
CRISP通过重要性分层剪枝方法解决大规模不平衡表格数据集上梯度提升树训练昂贵的问题，有效减少了多数类样本同时保持高精度。
0 citationsRead paper
SR-Fraud: An Outcome-Supervised Reflective LLM Agent Framework for Non-Stationary Payment Fraud Detection
为解决实时支付欺诈检测中的非平稳性问题，提出SR-Fraud框架，通过冻结代理和离线反思代理结合的方法来捕捉行为变化并提高检测性能。
0 citationsRead paper