Coinbase, şirket içi testlerin daha yeni sınır modeli sürümlerinin, yerlerini aldıkları modellere kıyasla birçok dolandırıcılık tespit ölçütünde aslında daha kötü performans gösterdiğini ortaya koymasının ardından, platformundaki dolandırıcılığı yakalamak için açık ağırlıklı bir yapay zeka modelini ince ayarladı. Borsa, Qwen3.5-9B'yi kendi işlem verileri üzerinde eğitti ve CEO Brian Armstrong, sonucun dolandırıcılık önlemede sınır modellerini geçtiğini söyledi.
Bu hamle önemli çünkü en büyük ve en yeni modelin her zaman doğru araç olduğu varsayımına ters düşüyor. Bir borsa gibi uyumluluk ağırlıklı bir işletme için, binanın içinde yaşayan ve doğrudan ayarlanabilen daha küçük bir model, başkasının API'si üzerinden erişilen bir genel amaçlı modelden daha değerli olabilir.
Yeni modeller neden kaybetti
Coinbase, karşılaştırmayı 7.293 kullanıcıya ait 16.140 işlemden oluşan sabit bir referans veri seti üzerinde yaptı. Bu set, 813'ü doğrulanmış dolandırıcılık işlemi içeriyordu; bir modelin kötü ödemeleri yakalayıp yakalamadığını veya yalnızca yanlış alarmlardan kaçınıp kaçınmadığını ölçerken asıl önemli olan sayı bu.
Armstrong'a göre, daha yeni Opus, Sonnet ve GPT sürümleri, birçok dolandırıcılık tespit ölçütünde öncekilerden daha kötü puan aldı. GPT-5.6 daha kesindi ancak daha düşük geri çağırmaya sahipti, yani dolandırıcılık işlemlerinin daha küçük bir kısmını tanımladı. Dolandırıcılık işinde bu denge her şeydir: nadiren kurt çağırıp dolandırıcılığa izin veren bir model işini yapmıyor demektir.
Bu sonuçlar Coinbase'i, parametreleri yalnızca bir sağlayıcının API'si üzerinden erişilebilen değil, doğrudan uyarlanabilen açık ağırlıklı bir modele yöneltti. Armstrong daha geniş dersi basitçe çerçeveledi: sınır modelleri genel amaçlıdır, uzmanlaşmış modeller ise dar görevlerde giderek daha iyi performans gösteriyor.
Ajan aslında ne yapıyor
Coinbase, kullanıcıların ortak uygulamalar aracılığıyla kripto satın almasına olanak tanıyan, misafir ödeme dahil Onramp ürünü için mevcut makine öğrenimi modeline ve kural motoruna bir yapay zeka risk ajanı ekledi. Ajan, tek bir ödemenin izole olarak görünmesinden anlaşılamayan kalıpları tespit etmek için son işlem dizilerine bakar.
Çevrimiçi bir deney, ek yapay zeka incelemesi alan grupta %30 daha az dolandırıcılık işlemi ve %22 daha az dolandırıcılık değeri buldu.
Ajan sınırlamalarla çalışır. Bir risk puanı döndürür ve uygulama kodu karar politikasını uygular. Daha önceki kontrolleri geçen bir işlemi engelleyebilir, ancak yukarı akıştaki bir engeli geri alamaz — otonom katmanın mevcut kontrolleri geçersiz kılmasını önleyen tek yönlü bir valf.
Certik'in gündeme getirdiği güvenlik sorusu
Güvenlik firması Certik, daha otonom güvenlik ajanlarının kendi risklerini getirdiği konusunda uyardı: yanlış çıktılar ve insanlar makineye güvenmeyi öğrendikçe azalan insan denetimi. Certik, otonom kararlar üzerinde net sınırlar ve her ajan için adı belirtilmiş bir sahip önerdi.
Coinbase'in tasarımı bunun bir kısmını yanıtlıyor. Ajan önerir, çevresindeki uygulama kodu karar verir ve yalnızca engelleme yönü, yığındaki başka bir yerde verilen bir kararı geri alamayacağı anlamına gelir. Her ajanın arkasında adı belirtilmiş bir insan sahibinin olup olmadığı, şirketin kamuya açıkladığı bir ayrıntı değil.
Zamanlama tesadüf değil. Dolandırıcılık ekipleri, bir modele son sözü vermeden incelemeyi otomatikleştirme baskısı altında ve Coinbase'in yayınladığı referans verileri, her yeni model çıktığında mevcut en büyük modele başvurma refleksine ters düşüyor.
Hâlâ çözülmemiş olan şey, Coinbase'in ince ayarlı Qwen3.5-9B'sinin dolandırıcılık kalıpları değiştikçe ve bir sonraki sınır modeli dalgası geldikçe nasıl dayanacağı. Borsa, modeli veya referans veri setini dış inceleme için yayınlamayı planlayıp planlamadığını söylemedi — ve biri testi yeni verilerle yeniden çalıştırana kadar karşılaştırma Coinbase'in kendi rakamlarına dayanıyor.
