# 电信诈骗检测

该工作提出 TeleAntiFraud 2.0——一个以月度冻结快照组织的可刷新中文电信诈骗音频基准，用混合树生成让诈骗与合法近域通话共享情境、仅在决定标签的行为处分叉，并报告在无关或普通负例下三个文本分类器达到完美 Macro-F1，而换成近域同源负例后降至 0.65–0.68，同时全量音频与 ASR+LLM 评测暴露出类别先验捷径、预测坍缩与快照敏感性。

该工作提出 TeleAntiFraud 2.0——一个以月度冻结快照组织的可刷新中文电信诈骗音频基准，用混合树生成让诈骗与合法近域通话共享情境、仅在决定标签的行为处分叉，并报告在无关或普通负例下三个文本分类器达到完美 Macro-F1，而换成近域同源负例后降至 0.65–0.68，同时全量音频与 ASR+LLM 评测暴露出类别先验捷径、预测坍缩与快照敏感性。

FRAUDSkill 在不改动音频语言模型参数的前提下，通过优化外部的技能程序、路由策略与决策规则，并结合结构化输出控制与验证引导的多路径推理，在 TeleAntiFraud 基准上把 Macro-F1 从共享冻结模型基线的 41.54% 提升到 73.50%，同时把无效输出率从 36.04% 降到 1.94%。

FRAUDSkill 在不改动音频语言模型参数的前提下，通过优化外部的技能程序、路由策略与决策规则，并结合结构化输出控制与验证引导的多路径推理，在 TeleAntiFraud 基准上把 Macro-F1 从共享冻结模型基线的 41.54% 提升到 73.50%，同时把无效输出率从 36.04% 降到 1.94%。