Semantic Pareto-DQN은 금융 이상 탐지의 클래스 불균형 문제를 해결하기 위해 개발된 다중 목적 강화 학습 프레임워크입니다. 기존 단일 목적 알고리즘의 '사기 붕괴' 현상을 방지하고, 금융 효율성과 고객 불편 사이의 균형을 맞춥니다.
대규모 언어 모델을 활용하여 다양한 거래 특징을 자연어 서사로 통합하고, 이를 통해 강력하고 규모에 불변하는 상태 표현을 생성합니다. 벡터 형태의 보상을 통해 금융 효율성, 운영 마찰, 의미 발견을 명시적으로 분리하여 최적화합니다.
E-Commerce 사기 및 UCI Credit 데이터셋 평가 결과, Semantic Pareto-DQN은 기존 알고리즘보다 소수 클래스 재현율을 향상시키고, 금융 이상 탐지와 운영 마찰 간의 균형을 맞추는 데 기여합니다.