如何将大模型应用到反洗钱场景？

先这样答

我会把大模型放在反洗钱流程中的初筛和解释环节。最终判定仍然依靠规则和人工。原因是反洗钱场景的误报率成本很高，而且监管要求给出可解释的判断依据。

第一处应用是可疑交易识别。可以结合账户之间的图关系和交易序列特征，发现需要进一步核查的交易或关系。大模型不直接下结论，而是根据已有特征生成证据链。它说明哪些交易行为需要关注，并把相关依据整理成便于人工审核的解释。

第二处应用是案例文书理解。模型可以从尽调报告中抽取结构化信息，减少人工阅读和整理的工作。第三处应用是规则维护。面对新的监管规定，可以让大模型先解读规定，再生成检测规则草案。规则上线前必须经过人工审核，确认内容准确，也要保证后续判断能够解释。

面试官会怎么追问

• 「为什么不让大模型直接判断是否洗钱？」 误报率成本很高，直接让模型做最终判断会带来较大风险。模型可以做初筛和解释，但最终判定要走规则与人工。

• 「你会怎样让可疑交易识别更可靠？」 我会把图关系和交易序列特征结合起来，先找出需要关注的交易关系和行为。大模型负责整理证据链和生成解释，人工再依据规则和材料作出判断。

• 「大模型生成的检测规则可以直接上线吗？」 不能直接上线。模型可以根据新规生成规则草案，但必须经过人工审核，确认规则理解正确，并检查规则是否能够支持可解释的判断。

回答的坑

• 把大模型说成最终裁判，忽略反洗钱场景中误报率成本很高的事实。
• 只讲识别，不讲图关系、交易序列、证据链和人工审核，回答会缺少落点。