228 分•作者: syllogism•大约 22 小时前
返回首页
24小时热榜
223 分•作者: rbanffy•大约 19 小时前
151 分•作者: sidgarimella•大约 17 小时前
105 分•作者: ceejayoz•大约 19 小时前
<a href="https://archive.ph/RuwsB" rel="nofollow">https://archive.ph/RuwsB</a><p><a href="https://blog.google/products-and-platforms/products/education/ai-learning-era-updates-2026/" rel="nofollow">https://blog.google/products-and-platforms/products/educatio...</a>
79 分•作者: thatxliner•大约 10 小时前
61 分•作者: mooreds•大约 20 小时前
43 分•作者: nharada•大约 18 小时前
39 分•作者: paddingtone•大约 13 小时前
39 分•作者: colejohnson66•大约 15 小时前
37 分•作者: speckx•大约 19 小时前
30 分•作者: geox•大约 7 小时前
30 分•作者: speckx•大约 14 小时前
27 分•作者: ersinesen•大约 1 小时前
24 分•作者: novaRom•大约 2 小时前
23 分•作者: donk8r•大约 19 小时前
22 分•作者: AlexeyBrin•大约 19 小时前
15 分•作者: ayanb9440•大约 13 小时前
各位 HN 的朋友们,我是 Finic 的 Ayan。我们即将推出 Kairos,这是 Sift、Sardine 以及其他实时欺诈决策平台的开源替代方案。Kairos 解决了传统决策工具面临的两个主要问题:缺乏用于训练的标记数据,以及应对不断改变策略的欺诈者。
1. 传统的欺诈解决方案使用 XGBoost 等机器学习模型来检测欺诈,但这些模型依赖于高质量的标记数据,而许多企业缺乏这些数据。我们通过使用“System One”决策模型,并结合 XGBoost 和逻辑回归等传统模型来解决这个问题。这使得您可以将诸如“这是临时邮箱吗?”之类的自然语言问题纳入您的决策流程,从而绕过对大量标记数据的需求。这还能帮助您捕捉欺诈中更非结构化的方面,而这是 XGBoost 模型难以处理的。
2. 欺诈团队正与不断改变行为以绕过现有检测逻辑的活跃欺诈者进行对抗。您可以一次性训练一个检测模型或定义一套规则,但随着欺诈者摸清您的检测逻辑,这些模型或规则将在几周内过时。这意味着您需要一个团队定期根据新的欺诈模式训练模型和更新规则。通常这需要一个庞大的数据科学/机器学习团队。Kairos 通过引入 MCP 服务器来解决这个问题,这样您的代理(Claude Code、Cursor、Codex 等)就可以定义决策工作流,利用您的数据训练模型,并选择表现最佳的版本。
您可以通过 Docker 自行托管 Kairos,或者使用托管版本:https://kairos.finic.ai
13 分•作者: gmays•大约 9 小时前
13 分•作者: ibobev•大约 13 小时前
13 分•作者: shmde•大约 16 小时前
我点击这里发布的网站来阅读文章,但几乎每隔一个网站就需要我解一个该死的谜题,或者点击一个复选框,或者其他什么鬼东西。Cloudflare 几乎在 50-60% 的页面上充当保安,而 10-20% 的页面上那个奇怪的动漫女孩会在我的浏览器上进行一些毫无意义的计算,还有谷歌的验证码要求我玩那个该死的选择人行横道的游戏,第一次根本不可能选对。我真是受够了,厌倦透顶。我现在根本懒得去管了,直接关闭网页,然后继续浏览其他内容。或者就直接回来在 HN 上看看这篇文章的评论。我连安安静静地读一篇文章都做不到,每个网站都有这些烦人的保安。我太累了,老板。你们也有同感吗,还是我反应过度了。
编辑:忘了加上经典的谷歌验证码