针对老年人的金融诈骗正越来越多地通过电子邮件、短信和电话等文本与语音渠道发生，且往往不是一次性骗局，而是分多个阶段逐步推进的长期欺诈。这种渐进性使得早期识别尤为困难，等到受害者察觉时，损失往往已经造成。现有的检测方法多聚焦于单条消息的静态分类，难以捕捉诈骗对话中的阶段性特征和风险演变。

为此，研究者提出使用指令微调的小语言模型，对诈骗对话进行增量风险评估——即在每个新信息出现时，基于已积累的对话历史更新风险判断，而非等到整个诈骗流程结束后才定论。相比传统大模型，小语言模型在隐私保护、部署成本和响应速度上更具优势，尤其适用于老年人常用的设备或本地化场景。

这项工作的价值在于，它将诈骗检测从“事后识别”推进到“过程监控”，为银行、通信平台或家庭安全助手提供了一种可落地的实时预警方案。通过针对性地微调，模型还能适应不同诈骗话术的变体，有助于在资金转出前及时干预，保护老年群体的财产安全。这一方向对数字时代下老年人防诈具有重要的现实意义。