Coinbase AI 代理在 Onramp 实验中将欺诈降低了 30%

经过调整的模型捕捉到了更大份额的欺诈交易价值，这一衡量标准可能比简单计算检测到的案例数量更重要。

Coinbase 在其专有交易数据上微调了一个开源权重 AI 模型，使其在欺诈检测方面优于领先的闭源模型，具有更好的检测分数和更低的服务延迟。

在一份由三部分组成的技术系列文章中，该交易所辩称，与依赖能力日益增强的通用 AI 系统相比，公司通过针对自身需求训练的专业模型可以获得更好的结果。

Coinbase 报告称较小模型具有更好的欺诈检测效果

在 10 月 12 日的一篇帖子中，Coinbase CEO Brian Armstrong 解释说，该公司使用内部数据微调了 Qwen3.5-9B，并发现在欺诈预防这一专业任务上，它“以更低的成本和更快的速度优于前沿模型”。

其初衷并非认为较小的模型普遍更好，而是性能取决于它们所接受训练的任务。

“前沿模型是惊人的全才，”Armstrong 写道。“但你会越来越多地看到专业模型在更狭窄的任务上表现出色，无论是团队协作还是独立工作。”

Coinbase 的 Owning Intelligence 系列描述了这种方法是如何演变的，该公司首先在其现有的 Onramp 机器学习模型和规则引擎中添加了一个 AI 风险代理，Onramp 允许用户通过合作伙伴应用程序购买加密货币，包括在没有 Coinbase 账户的情况下以访客身份结账。

一项在线实验发现，在使用额外 AI 审核的小组中，欺诈交易减少了 30%，欺诈价值降低了 22%。该代理检查了最近的交易序列，以识别单笔付款中可能不明显的模式。它可以阻止通过初步检查的交易，但不能撤销上游的阻止。

随后，Coinbase 针对 7,293 名用户的 16,140 笔交易（包括 813 笔已确认的欺诈交易）这一固定基准测试了较新版本的闭源模型。据报告，较新的 Opus, Sonnet, 和 GPT 版本在几项欺诈检测指标上的表现不如其前身。

您可能还会喜欢：

GPT-5.6 提高了精确度，但召回率较低，这意味着它识别出的欺诈交易比例较小。这一结果促使公司转向开源权重模型，其参数可以直接调整，而不是仅通过供应商的 API 访问。

关于 AI 自主性的问题被提出

Coinbase 的方法符合关于 AI 代理承担金融犯罪和安全工作的更广泛讨论。Certik 上周警告称，更具自主性的安全代理可能会因错误的输出和减少的人工审查而带来风险。该公司建议对自主决策设定明确限制，并为每个代理指定一名负责人。

然而，该加密货币交易所的代理在这些限制内工作，返回风险评分并拥有应用决策策略的应用程序代码。它还可以阻止早期检查允许的交易，但不能推翻已经做出的阻止。