中国电信翼支付支付科技研究成果入选国际顶会WWW 2026

近日，中国电信翼支付联合北京邮电大学、北京航空航天大学等组成的科研团队在金融风控领域取得重要突破，研究成果论文《FRiskGPT：　A　Generative　Foundation　Model　for　Financial　Risk　Detection》被国际万维网顶级会议WWW　2026（CCF　A类）接收录用。标志着中国电信翼支付在支付科技领域核心能力的前沿性获得了国际顶级学术界的权威认可。

聚焦金融风险检测难题，揭示传统范式不足

在线支付服务的快速普及为金融交易带来了极大便利，但同时也加剧了金融犯罪风险，如洗钱、套现欺诈和用户违约等日益严峻的金融犯罪风险问题。然而传统金融风险检测方法往往采用“烟囱式”的模型架构，针对洗钱、套现欺诈、用户违约等每一类风险分别训练独立的模型。这种做法的本质是“模型烟囱”，这些“智能（intelligence）”被零散地封装在各个小模型中，既无法复用跨风险的特征知识，也割裂了用户全生命周期内不同风险之间的内在依赖关系。

针对这一局限性，由中国电信翼支付张梦玫博士带领的风控团队与北京邮电大学、北京航空航天大学等共同组建科研团队，系统性地对金融风险检测领域开展研究，深入揭示了传统“孤立建模”范式在捕捉用户全生命周期风险依赖关系上的根本性不足，并提出了可落地的优化方案。

团队受大语言模型成功经验的启发：GPT通过将海量多样的自然语言任务统一为“下一个词预测”，实现了多任务的高效学习与泛化。这揭示了一条关键路径：唯有实现任务的统一，数据的规范与融合才具备根本前提；而只有当数据与任务被统一到相同的表示格式下，模型才能够摆脱碎片化局限，走向规模化扩展。规模化，正是模型能力涌现的必要条件。

基于这一思想，团队尝试构建一个统一的风险检测模型，将多种金融风险检测任务整合到一个框架中，显式建模风险之间及风险内部的依赖关系，从而打破烟囱模式，实现更全面、更智能的金融风险防控。

图1：传统烟囱式建模vs　FRiskGPT统一建模

首次提出基础模型FRiskGPT，创新定义通用行为语言

研究团队重新审视真实的金融风险场景，发现传统风控方法之所以难以捕捉风险间的依赖关系，根源在于将用户行为与风险标签割裂处理。为此，团队提出了一种全新的数据表示范式——通用行为语言（General　Behavior　Language，　GBL）。GBL将用户主动操作、注册属性以及系统的非标签与标签响应全部映射到同一个共享语义空间，每一个基本交互单元都被视为一个“行为词元”。这样一来，原本分散在不同任务中的异构数据被统一为因果时序序列，为后续的规模化建模奠定了数据基础。

为实现GBL的落地，团队对金融生态中的行为进行了系统分类与离散化标记。用户行为（登录、转账等）按时间顺序排列，隐式保留了时序与上下文模式；用户属性（年龄、收入、学历）通过分箱离散化转换为行为词元，从而将静态特征融入动态序列；系统行为则细分为非标签反馈（如发券、告警）与标签反馈（如拒绝、拦截、逾期评定），其中标签行为明确对应事前、事中、事后全生命周期风险。这种三维度的标记化体系，使模型能够同时感知用户意图、环境反馈与风险状态，彻底打破了原有“烟囱式”模型间的信息壁垒。

基于GBL序列，团队采用多层Transformer解码器进行自回归建模，训练目标简化为“下一行为预测”。这一设计具有深刻的双重性：当预测目标是用户自然行为（如登录、转账）时，模型在自监督方式下学习正常行为模式；当预测目标是风险标签（如逾期、洗钱）时，模型同时完成监督学习。两种学习信号在同一框架下相互增强，无需为不同风险类型设计独立的损失函数。推理阶段，模型无需任何微调，只需将输出空间约束为特定任务的行为词元（例如反洗钱任务仅约束为“洗钱”与“非洗钱”两个词元），即可直接输出风险判别结果。这种生成式框架的统一能力，正是模型从“有限任务专用”走向“全场景通用”的关键一步。

图2：FRiskGPT模型架构

实验效果显著，增量识别能力突出

为验证统一建模的有效性，团队在翼支付的6个风险任务上开展了大规模实验。对比的基线覆盖了主流监督学习方法（LightGBM、XGBoost、CatBoost、BST、TabTransformer）和预训练－微调方法（UserBert、BERT4Rec、SSE－PT、PTUM、MSDP）。实验结果表明，FRiskGPT在所有风险任务上均取得了SOTA性能：在AUC指标上平均提升6.2％，在KS指标上平均提升19.3％。

目前，FRiskGPT已作为定时批处理任务部署于大规模金融风控工作流中，每日扫描近六个月的用户行为序列以识别反洗钱（AML）风险。在335，984名用户的离线评测中，FRiskGPT识别出3，489名高风险用户，其中3，021名与现有实时检测重叠。对FRiskGPT独有的增量AML案例随机抽样270名，经人工专家复核，258名被确认为洗钱用户（精确率95.5％），显示其在现有模型之外带来了显著的召回增益。

WWW（The　Web　Conference，国际万维网大会）是中国计算机学会（CCF）推荐的A类顶级学术会议，作为万维网领域的综合性旗舰会议，近年来尤其重视人工智能、大模型等前沿技术在Web场景下的研究与应用，是展示和讨论AI驱动Web技术的重要平台。FRiskGPT相关论文录用，充分体现了中国电信翼支付在支付科技领域核心能力的前沿性和权威性。未来，中国电信翼支付将继续深耕支付科技风控应用这一核心赛道，持续推动金融风控技术的智能化演进，为行业输出更高效、更安全的支付科技解决方案。