【会员动态】“大模型+金融”如何落地？技术专家给出答案——

信也科技副总裁陈磊在开场致辞中表示：“以生成式大模型为代表的新一代AI技术，正在为金融行业带来效率提升、效果优化和服务创新等变革。但其规模化应用仍面临数据隐私、算力成本与场景适配等挑战。进入大模型时代，核心壁垒在于关键业务场景中积累的领域知识和高质量数据。信也科技希望技术沙龙这一平台，汇聚产业一线的技术实践与思考，促进产业交流与协同创新，推动大模型技术在金融领域实现更深层次的落地与创新。”

阿里云新金融行业高级解决方案架构师张阳系统解读了通义千问（Qwen）系列模型的演进路径及应用趋势。他提出，开源生态与混合推理架构正成为技术突破的关键，Qwen系列通过“快思慢想”双模推理机制，兼顾即时响应与深度分析需求。快思考模式支撑客服意图分类、营销文案生成等高时效场景，慢思考模式结合Agent技术赋能信贷报告生成、投资策略分析等复杂任务，同时，结合Agent技术与“双数据飞轮”机制，推动模型持续优化，助力企业构建专属智能底座。

信也科技算法高级研究员倪博溢分享了信也科技大模型在智能客服、风控决策、语音交互等场景的落地实践。公司通过多智能体框架实现对话流程自动化，融合推理模型与规则引擎优化风控决策链路，并基于端到端语音模型提升交互效率。他提出，应构建“开箱即用—后训练—流程自动化”的渐进式能力建设路线，在金融场景中“以规则为锚点、模型为引擎”，优先探索高频、低风险应用，推动技术可控落地。

太平洋寿险数智应用架构师谭炎介绍了寿险智能助手“嗨问Plus”的演进，阐述如何通过RAG与Agent融合实现条款解析、服务节点预警、理赔流程自动化等功能。他提出，寿险作为低频高价值业务场景，大模型应用需遵循“业务价值优先”为导向，通过从RAG到Agent框架的渐进式改造，推动技术从单点试点向系统落地升级。

信也科技数据开发研究员李彬针对大模型知识瓶颈，提出了RAG优化的系统性方案，包括通过摘要索引解决信息碎片化问题、微调垂类Embedding模型提升检索精度、结合推理模型降低生成幻觉风险以及构建多智能体闭环验证流程。他认为，未来RAG将走向具备动态感知和自主决策的Agentic架构，成为金融智能化的重要基础设施。