Client snapshot
| Industry | 金融科技与支付 |
|---|---|
| Region | 北美和拉丁美洲 |
| Engagement type | 金融文档标注与交易审核评估 |
The challenge
客户的欺诈模型把相当一部分合法交易标记为可疑，其内部团队也没有足够的能力，以所需的规模审核并重新标注交易样本，从而用标注更好的边缘案例重新训练模型。
The approach
Jwuma 分配了经过培训的审核员，对照客户的欺诈分类体系标注金融文档并审核被标记的交易样本，使用专门的评分标准区分真正的欺诈模式与合法但不寻常的活动，并在交付前通过 QA 层级上报含糊的案例。
Results
客户使用重新标注的交易数据集重新训练模型，在下一个评估周期中提高了其区分合法的异常活动与真正欺诈模式的能力。
Frequently asked questions
为什么欺诈检测模型需要经人工审核的训练数据？
因为区分真正的欺诈与不寻常但合法的活动，往往需要情境判断，而仅靠自动标注无法可靠地做到。
金融文档标注与一般数据标注有何不同？
它需要受过特定欺诈分类体系和评分标准培训的审核员，因为金融领域的边缘案例往往含糊不清，更适合通过上报处理，而不是由单个审核员判断。
这类项目能安全地处理敏感的金融数据吗？
可以，前提是供应商采用身份受保护、访问受控的审核工作流，不向客户暴露贡献者身份，反之亦然。
Related case studies
Published 2026-10-02 by Jwuma, operated by Corpshore AI. This case study is an anonymized composite representative of the kind of work Jwuma performs in this industry, described by industry, region and engagement type rather than by company name, since this engagement is not yet cleared for public naming. Discuss a similar program at client.corpshore.ai.