Stripe 博客详解:从解释中学习的两阶段训练法

emilygsands · x · 2026-11-20

这是 emilygsands 那条「Stripe 欺诈审核模型提升 39% 召回」推文的配套链接:Stripe Dot Dev Blog 文章《Learning from explanations》(作者 Hangzhi Guo)。

文章核心发现:把解释直接加进 SFT 训练目标反而让决策变差,因为标准 SFT loss 对 token 等权,长解释主导梯度。解法是两阶段 SFT——先训「标签+解释」建立证据与决策的关联,再单独训标签聚焦决策;随后用 on-policy distillation(反向 KL)恢复被第二阶段损失掉的解释能力。最终欺诈审核在同等人工审核精度下召回率提升 39%,且解释质量超过教师模型。

所属事件:Stripe 用两阶段解释训练法提升欺诈审核召回率(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →