ORACLE: Anticipating Scams from Partial Trajectories in Streaming App Usage
ORACLE：从流式应用使用部分轨迹中预测诈骗
🧭 流式跨应用欺诈早期预测智能体 ★ 深度解读
Harbin Institute of Technology, Shenzhen · Shenzhen University · Zhejiang University · National University of Singapore · Guangming Laboratory
提出首个流式跨应用诈骗早期预警智能体框架，通过自演进上下文管理与在线策略自蒸馏实现更早更准的预警。
📌 工作参考价值（4 点）
- 自演进上下文管理可借鉴用于用户行为序列建模：以实体为中心存储历史交互，结合预测反馈动态调整检索规则，缓解长周期行为依赖中的证据碎片化问题，适用于电商推荐中的用户长周期兴趣追踪或风控中的异常模式发现。
- 在线策略自蒸馏（OPSD）利用“反思”或特权信息作为教师信号，强化模型对早期弱信号的敏感度，该方法可迁移至推荐序列中早期兴趣察觉或欺诈交易的微弱特征捕捉。
- 技能库的自我进化机制（根据高风险预测结果提炼可复用规则）可启发对话式 Agent 或推荐 Agent 的经验积累设计，让 Agent 在交互中逐步沉淀高价值决策知识。
- 数据集构建方式（将真实欺诈案例嵌入正常日志合成长期流式轨迹）可为流式推荐中的异常检测基准提供参考，尤其适合需要评估“早期”与“低误报”双重指标的实时系统。