蓝鲸新闻9月5日(记者Yan Qinwen)“大型模型在银行中的应用需要支持生态与合作伙伴的支持才能正确地做到这一点。很难实现高水平的“团结一致战斗”,更有可能错过机会之窗。” 9月5日,在中国商人银行的首席信息官员Zhou Tianhong说,在中国商人银行举行的“ 2025年中国商人银行Pujiang数字金融生态会议”(从那里称为“中国商人银行”)。目前,大型模型的应用导致银行业经历了不变的变化,银行还加速了银行内业务领域的大型模型速度。在最近发布的半年度报告中,中国商人银行建议用“ AI First”领导数字智能中国商人银行的ANG建设,优先考虑AI能力建设,领导DAI-Type组织的审查,并努力成为世界领先的智能银行。 “当前的银行业面临许多挑战,大型模型是最大的特定机会。其技术成功将促进银行服务模型,联系模型和工作模式的变化。”中国商人银行数字金融开发办公室副主任Wei Jiangbo。半年度报告表明,为了结合数字情报的基础,中国商人银行继续投资资源来改善“云 + AI +中间平台”的数字情报基础。在2025年上半年,信息技术的投资达到44.44亿元人民币,占营业收入的2.93%。在业务应用级别上,AI被深入整合到中国商人银行零售和批发的主要细分市场中。根据Wei Jiangbo的说法,中国商人银行现已建立了F的大型FULL堆栈系统,并在许多领域都投入到制造和应用中,取得了惊人的结果。但是,银行在实施大型模型的大型应用方面仍然面临许多挑战,例如大型速度模型,多模式大型模型,知识管理和其他问题。这些问题需要与同行和技术的制造商结合探索和解决。面对挑战,如何提高大型模型解决域问题的能力?周港教导说,关键是要进行三个“打击的组合” - 工程工程,知识管理和培训。首先,在周长的观点中,上下文工程是应用大型模型的主要任务。与BERT模型和早期AI相比,大型模型的最大发展是通常的能力。执行一般一般能力的关键是技术正在不断变化。在同时,高级单词的关键是为人类专家解决问题的良好思考和思考逻辑的良好框架所必需的。这些内容需要对业务专家进行深入参与,摘要和完善,并继续优化。其次,管理业务水平知识是释放大型模型的关键。大型模型依靠大量的公共数据进行训练,但是在大型模型中实践的数据通常存在诸如过时的知识,知识质量缺陷和缺乏私人商业领域知识的问题。周孔说,通过在业务层面开发完整的系统管理系统管理,该模型的出色功能可能与公司自己的背景和知识保持一致,以提高答案的准确性。此外,训练后是提高模型在专业领域有效性的有效方法。通过正确管理和修理,加固研究等。Ther说,我们应该在大型模型的角色中充分发挥作用,并在大型型号上做得很好。为了使价值NG模型获利,我们还需要专注于高价值方案并建立价值测量系统。根据周港的说法,中国商人银行的方法是专注于“使用更多的人,使用更多的时间并节省更多的钱”。在“大量工作”方案中,使用AI来扩大力量-TAO,扩大服务半径,提高服务水平,优化客户体验并促进持续不断增长的业务量。在“多个小时”的情况下,使用AI来帮助员工工作,降低复杂性,提高质量并提高质量。在“ i -save更多的钱”方案中,AI用于提高风险识别的范围,准确性和程序,并降低成本高的成本和高风险。此外,Zhou Tianhong指出,大规模模型的应用的研究和开发E与传统软件的研究和开发截然不同,有必要将研发从“工业和技术融合”促进“工业和技术共同创造”。 特别声明:上面的内容(包括照片或视频(如果有))已由“ NetEase”自助媒体平台的用户上传和发布。该平台仅提供信息存储服务。 注意:上面的内容(包括照片和视频(如果有))已由NetEase Hao用户上传和发布,该用户是社交媒体平台,仅提供信息存储服务。蓝鲸新闻9月5日(记者Yan Qinwen)“大型模型在银行中的应用需要支持生态伙伴和行业的合作才能这样做。