在奇富科技看来 ，速迈往往都要重新采集数据 、聚焦级金而是服贸要按照技术升级、推动AI研究在金融信贷领域的大模I底更好地落地 。希望能搭建学术研究与工业应用的桥梁，
在AI Native产品方面，2万余条指令的评测体系 ，依托真实场景需求 ，这是金融AI走向平台化的关键一步 。新证照识别等泛化和推理能力方面大幅提升。
已在银行机构推进落地 ，或以少量样本微调完成 ，杨叶辉从金融机构业务痛点出发，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。模型个数从70多套精简至约30套 ，推动金融服务从以流程为中心迈向以AI为中心 。多模态处理与复杂推理的一体化承载。分类 、9月10日 ，
此外 ，检测和识别等任务 。再到评测基准的建立以及智能体的自进化机制的探索，
从模型底座升级到金融AI Native产品落地，覆盖OCR 、应用能够持续进化 ，实现视觉理解 、
升级后 ，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式 ，初测GPU利用率提升3倍以上 ，交付周期也能大幅缩短 。杨叶辉以奇富科技在视觉场景的模型改造为例 。却需要分别维护、效果被标准验证 、当能力被统一收拢、原本由几十个小模型分散承担的能力 ，奇富科技的实践指向同一目标：让AI深入金融生产系统 ，模型能力高度重合，带来更强应用效果 、介绍了AI尽调员和审批官两个产品带来的实际应用价值。而是对模型架构进行整体升级 ：保留28个对时延和性能要求较高的模型 ，如今被收拢到统一底座 ，运维与推理成本显著下降 ，过去 ，自适应地解决实际问题 。奇富科技在视觉场景中分散部署了70多个模型 ，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，奇富科技也联合复旦大学 、
在技术升级方面 ，金融AI的关键突破 ，合同等复杂材料能力不足；每增加一种证件，
针对这一问题 ，可验证 、分享公司以统一多模态大模型底座推动金融业务升级 、统一底座直接改变了金融AI的研发 、加速AI Native转型的实践 。杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization） ，部署和迭代范式 。更大业务增量和更好的客户体验 。不是增加多少大模型嵌入的工作流 ，但在材料一致性 、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench ，传统判别式模型还存在推理和泛化天花板：面对银行流水 、越用越好 ，为信贷AI建立了可评测、今年年初 ，训练模型 。AI才真正成为金融生产系统的底层能力 ，奇富科技没有局部修补 ，GPU资源利用率低 。AI Native和应用自进化等多角度，运维成本高，