金融反欺诈系统中,异常行为模式的自动识别能力尤为关键,尤其是在用户交易行为显著偏离历史特征时,AI应具备敏感识别与合理推断能力。该数据集围绕典型异常交易(如频繁跨境转账、凌晨大额操作、账户角色突变等),构建“用户行为描述 - 模型判断 - 人类反馈”的 RLHF 样本,旨在训练模型提升对潜在欺诈风险的推理敏感度与保守判断策略,增强 AI 在金融安全领域的可控性与可靠性。