AML

這篇論文真正有價值的地方，不是在 Bitcoin fraud detection 上再提一個新模型，而是把大家默認「交易是圖，所以 GNN 應該更強」這個前提整個拆開重驗。作者在更嚴格的 temporal-shift 與 leakage-free 設定下發現，raw-feature Random Forest 可達 F1 0.821，明顯高於最強的 GraphSAGE 0.689 ± 0.017，甚至連隨機打亂的邊都比真實交易圖高出 8.9 個 F1 點。這篇真正提醒的是：在風險偵測裡，圖結構不一定是資產，它也可能是把模型帶偏的 liability。