资讯 · 创新
摩根大通自研支付AI模型LPM上线,信用卡欺诈检测准确率提升85.5%
摩根大通研发基于实际支付记录的AI模型LPM,可提升多场景交易欺诈检测准确率,已上线运行,推动全球金融风控转向数据驱动的精准防御模式。
移动支付网据商传媒消息:摩根大通(JPMorgan)研发出专门处理交易记录的AI模型“Large Payments Model”(LPM)。据外媒报道,该模型通过分析用户长达半年的历史交易记录,信用卡欺诈检测准确率较传统单一任务系统提升85.5%。
与依赖文本的传统大语言模型不同,LPM以实际支付记录数据为训练基础。研究团队表示,模型最大版本使用4000亿个Token训练。在单笔交易的独立实时评估中,LPM的欺诈检测表现较现有系统高出62.7%。
分场景看,除消费金融端的信用卡交易外,该模型在企业资金调拨与国库支付上同样具备防护效果。针对美国常见的ACH(自动清算所,即跨行批量转账系统)欺诈,LPM拦截率提升27.4%,按金额计算的欺诈拦截规模高出63.5%;电汇(Wire Transfer)方面,检测率仅微增5.6%,拦截金额未见显著变化,研究团队认为与电汇在训练数据中的样本占比偏低有关。
根据相关研究论文,该模型已正式上线投入实际运行,每日处理数百万笔交易。高负载下,99%的请求可在60毫秒内完成判断,单笔交易评估成本低于0.0001美元。
除实时拦截异常交易外,LPM还可预测交易提交后的结果,在预判信用卡发卡机构与清算网络响应上准确率提升80%,对交易失败后的重新扣款判断表现改善22.8%。






