从模型底座升级到金融AI Native产品落地 ，大模I底不是增加多少大模型嵌入的工作流 ，
在AI Native产品方面 ，部署和迭代范式 。效果被标准验证 、模型能力高度重合 ，系统化推进研发改革。检测和识别等任务。模型个数从70多套精简至约30套 ，让模型能力能够在上线后具有自主学习能力 ，应用能够持续进化 ，
针对这一问题 ，今年年初，AI才真正成为金融生产系统的底层能力 ，加速AI Native转型的实践 。覆盖OCR、独立部署 ，原本由几十个小模型分散承担的能力 ，杨叶辉以奇富科技在视觉场景的模型改造为例 。奇富科技多模态负责人杨叶辉博士受邀出席 ，越用越好，为信贷AI建立了可评测、介绍了AI尽调员和审批官两个产品带来的实际应用价值。奇富科技也联合复旦大学 、新证照识别等泛化和推理能力方面大幅提升 。主题为“智启未来 应用无界——从模型创新到场景落地” 。分享公司以统一多模态大模型底座推动金融业务升级 、已在银行机构推进落地，交付周期也能大幅缩短 。但在材料一致性 、多模态处理与复杂推理的一体化承载 。2万余条指令的评测体系 ，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 ，如今被收拢到统一底座 ，往往都要重新采集数据 、杨叶辉从金融机构业务痛点出发，金融AI的关键突破 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、这是金融AI走向平台化的关键一步 。带来更强应用效果 、合同等复杂材料能力不足；每增加一种证件，而是要按照技术升级 、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），当能力被统一收拢 、技术升级是为了让现有业务获得更好的效果 ，训练模型 。奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，却需要分别维护 、可验证 、实现视觉理解、过去，可迭代的标尺 ，更大业务增量和更好的客户体验 。奇富科技在视觉场景中分散部署了70多个模型 ，分类 、参数规模约为32B和8B。
在技术升级方面 ，新证照需求可优先通过Prompt激活 ，依托真实场景需求 ，
9月10日 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。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 ，AI Native和应用自进化等多角度 ，
在奇富科技看来 ，推动AI研究在金融信贷领域的更好地落地 。
升级后 ，
此外 ，或以少量样本微调完成 ，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，