当所有评分都失灵时如何查欺诈：TigerGraph 决赛中的 FraudLens

FraudLens 是作者为 TigerGraph × Hacker House Goa 2026 决赛构建的欺诈调查 Agent。决赛设置 18 个未见的一月案例（其中 9 个为正常客户）、告警文本中嵌入对抗性内容，并进行实时故障演练，误拦正常客户该案例计 0 分。作者称其交易模型验证 AUC 为 0.972，但 18 个案例的风险分全部不高于 0.29，银行自有 risk_score 仅 0.01–0.31；第一轮 Agent 原样运行仅判定 2 例欺诈、3 例不确定、12 例正常并中止 1 例。结论是需要不依赖分数的图证据路径。

AI推荐理由 作者自述的竞赛项目：在 TigerGraph 上构建欺诈调查 Agent，用 18 个未见案例（含 9 个正常案例和提示注入式文本）与故障演练检验可落地性，并指出模型分数在 1 月新欺诈模式下全部偏低（交易模型 AUC 0.972 但 18 例分数均 ≤0.29）。具体价值在于“不依赖分数、改用图证据”的 Agent 设计思路；局限是自述、无独立复现，AUC 与案例结果均未外部验证。