近日，中国电信翼支付联合北京邮电大学、北京航空航天大学等组成的科研团队在金融风控领域取得重要突破，研究成果论文《FRiskGPT: A Generative Foundation Model for Financial Risk Detection》被国际万维网顶级会议WWW 2026(CCF A类)接收录用。标志着中国电信翼支付在支付科技领域核心能力的前沿性获得了国际顶级学术界的权威认可。

　　聚焦金融风险检测难题，揭示传统范式不足

　　在线支付服务的快速普及为金融交易带来了极大便利，但同时也加剧了金融犯罪风险，如洗钱、套现欺诈和用户违约等日益严峻的金融犯罪风险问题。然而传统金融风险检测方法往往采用“烟囱式”的模型架构，针对洗钱、套现欺诈、用户违约等每一类风险分别训练独立的模型。这种做法的本质是“模型烟囱”，这些“智能(intelligence)”被零散地封装在各个小模型中，既无法复用跨风险的特征知识，也割裂了用户全生命周期内不同风险之间的内在依赖关系。

　　针对这一局限性，由中国电信翼支付张梦玫博士带领的风控团队与北京邮电大学、北京航空航天大学等共同组建科研团队，系统性地对金融风险检测领域开展研究，深入揭示了传统“孤立建模”范式在捕捉用户全生命周期风险依赖关系上的根本性不足，并提出了可落地的优化方案。

　　团队受大语言模型成功经验的启发：GPT通过将海量多样的自然语言任务统一为“下一个词预测”，实现了多任务的高效学习与泛化。这揭示了一条关键路径：唯有实现任务的统一，数据的规范与融合才具备根本前提;而只有当数据与任务被统一到相同的表示格式下，模型才能够摆脱碎片化局限，走向规模化扩展。规模化，正是模型能力涌现的必要条件。

　　基于这一思想，团队尝试构建一个统一的风险检测模型，将多种金融风险检测任务整合到一个框架中，显式建模风险之间及风险内部的依赖关系，从而打破烟囱模式，实现更全面、更智能的金融风险防控。