1.【论文题目】Live or Lie: Action-Aware Capsule Multiple Instance Learning for Risk Assessment in Live Streaming Platforms

【作者】乔伊然、陈静、敖翔、钟齐炜、柳阳、何清

【内容简介】网络直播已成为当今互联网的核心互动方式，包含了大规模的实时社交行为。然而，其中潜藏着来自多方参与者的稀疏且协同的恶意行为，这些风险往往伪装在正常活动中，难以及时、准确地识别。本研究针对弱监督标签的场景，对网络直播间风险评估开展了开创性探索。将该任务建模为一个多示例学习问题，将每个直播间视作一个“包（bag）”，并将结构化的“用户–时间片胶囊”定义为实例。这些胶囊表示用户在特定时间窗口内的一段行为子序列，用于刻画局部化的行为模式。在此基础上，研究提出 AC-MIL 框架（Action-aware Capsule MIL），能够同时建模个体行为与群体协同模式。AC-MIL 通过串行与并行结合的架构，联合编码时间动态信息与跨用户依赖关系，捕获多粒度语义与行为线索；随后将这些信号融合用于稳健的房间级风险预测，并在行为片段层面提供可解释证据。在大规模工业数据集上的实验结果表明，AC-MIL 在房间级风险评估任务上显著优于现有 MIL 与序列建模基线，取得新的最优效果。此外，AC-MIL 具备胶囊级可解释性，能够定位高风险行为片段，为实际干预提供可操作的证据。

2.【论文题目】Chat2Trade: Automating Financial RFQ Parsing with Fine-Tuned LLMs

【作者】曹逸轩，杨春昊，王一凡，王健，万琨，肖刚，罗平

【内容简介】2024年中国债券二级市场的成交量达到2735.44万亿元人民币，其中绝大部分交易通过场外（OTC）市场完成。在该市场中，经纪人、买方与卖方通常通过群聊或私聊发送询价（RFQ）消息，由此形成包含数以万计请求的RFQ池。经纪人需在该池中搜索并匹配合适的交易对手，以促成交易。匹配速度越快，能够获取的交易机会与收益就越多。然而，由于RFQ通常以非结构化文本形式出现，人工匹配过程耗时费力。为加速该流程，我们构建了一个自动化系统，其核心任务是将RFQ解析为结构化数据。该任务面临两大挑战：一是RFQ中存在大量高度领域化的行话术语；二是这些术语及其表达模式演化迅速。为应对这些问题，我们提出了一种基于大语言模型（LLMs）微调的RFQ解析方法。该方法包含三个顺序执行的组件：（1）消息切分（Message Chunking），将RFQ拆解为更短的消息单元；（2）小样本检索（Few-shot Retrieval），从历史RFQ中检索相似示例；（3）记录抽取（Record Extraction），利用检索到的示例生成结构化RFQ记录。与基线方法相比，该方法显著提升了解析性能，并在应对新的表达形式时表现出更强的适应性。基于上述方法，我们开发了 Chat2Trade —— 一个支持RFQ解析与快速筛选、查询的交易辅助系统。Chat2Trade 将经纪人的传统工作流程从主动检索相关RFQ转变为被动响应式的实时推送模式。该系统已在中国大型券商之一的中信建投证券部署近一年，使经纪人的平均成交量相较传统人工方式提升了3.67倍。