本文针对大型线上到线下（O2O）服务平台中虚假订单检测的挑战，提出了一种基于大语言模型（LLM）的可追溯推理强化学习框架DeepScrub。现有方法通常依赖专家设计特征、做出黑盒决策且可解释性有限。DeepScrub包含三项创新：首先，语义统一模块将异构风险信号转化为LLM可理解的文本描述；其次，在风险控制语料上进行持续预训练以注入领域知识，并通过任务奖励联合评估预测正确性和推理质量；第三，提出建议-反思（SURE）机制，结合专家反馈和模型自检以迭代优化推理路径。在真实虚假订单检测数据集上，DeepScrub达到85.3%的宏F1分数，比最优基线高2.7个百分点。任务优化的8B模型甚至超越了32B模型，表明在此场景下领域适配比模型规模更重要。在四周的线上试点中，DeepScrub实现了91.8%精确率和88.5%召回率，相比第一阶段人工审核员分别提升16.6和38.8个百分点。它将第一阶段手动审核工作量减少94%，每年节省近100万元人民币。这些结果表明DeepScrub提高了欺诈审核准确性，减少了第一阶段审核工作量，并为生产风险审核工作流提供了可追溯的证据。适合对LLM在风控场景应用、可解释AI及O2O平台安全感兴趣的研究人员和工程师阅读。