金融风控领域的大模型落地实践.pptxVIP

;

Akulaku是一家主打海外市场的互联网金融服务提供者，服务内容包括网上购物和分期付款，现金贷，保险等等。

主要的应用场景包括金融风控，电商智能客服以及电商推荐等等。无论是在用户审核，信用评估和反欺诈识别等环节，单纯手工操作和业务规则判断无法高效准确地处理大量的用户请求，拦截各种黑产攻击

总体目标：构建基于各种技术手段的敏捷高效的智能风控系统，应对各种威胁，不断提升用户体验;;

利用大模型，我们期望进一步提高智能风控系统在前面说的各个业务环节和各种数据形态上的效能。具体会通过构建一个智能体系统实现

智能体系统构成[1];

利用大模型理解指令的能力和在对应语言承载的通识和泛化能力，增强特定环节的专用模型

逐步将业务知识和决策是写死在固定的智能体链（chain）中，构造对应的智能体角色，如“数据分析师”，“欺诈调查员”等;

LLMAgent1

基于标注数据，生成

若干候选Prompt

Agent3

LLMAgent2

对生成的候选prompt

进行打分排序

基于选定prompt生成数据;

针对Tools的强化：图像反欺诈模型优化;

?大模型承载的通识：用于生成训练数据

?大模型的指令理解能力：领域专家可以通过自然语言引导大模型,注入领域理解

引用：

[2]ZhangY,YinZF,LiY,etal.Celeba-spoof:Large-scalefaceanti-spoofingdatasetwithrich

annotations[C]//ComputerVision–ECCV2020:16thEuropeanConference,Glasgow,UK,August23–28,2020,Proceedings,PartXII16.SpringerInternationalPublishing,2020:70-85.

[3]FangH,LiuA,JiangN,etal.VL-FAS:DomainGeneralizationviaVision-LanguageModelForFaceAnti-Spoofing[C]//ICASSP2024-2024IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing(ICASSP).IEEE,2024:4770-4774.;

针对Planning和Memory的强化：欺诈调查助手;;

针对Planning和Memory的强化：数据分析助手;;;

智能体与人协作的方式;

演讲嘉宾：黄泓