提出排序先验对齐框架用于冷启动信用风险建模

研究者 Qiye Lu、Jiang Ji、Liang Zhang 提出 Ranking Prior Alignment，一种模型无关框架：通过温度缩放的 KL 散度损失，把来自领域专家、教师模型或大语言模型的外部排序先验蒸馏进任意评分模型。 该框架统一了 MIL 注意力与 XGBoost 自定义目标两种实现，面向数据稀缺下的冷启动信用风险建模。上述为核心方法主张，尚未见独立复现或效果验证。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。