隨著銀行加速新技術探索與應用，相關金融科技創新應用不斷增多。從2020年初至今，中國人民銀行及其分支機構對外公示了400項金融科技創新應用，其中390項創新應用申請機構包含銀行，銀行參與度為97.5%。

而在大模型技術備受關注的當下，銀行也探索將大模型用于實際場景。此次，《銀行科技研究社》對銀行申請的大模型相關金融科技創新應用進行了整理。

8項大模型相關金融科技創新應用，國有行、股份行占5項

據《銀行科技研究社》不完全統計，從2024年4月以來，基于大模型技術的創新應用共有8項，分為5個批次，來自于山東、上海、江蘇、四川等地區。

8項創新應用中，有6項在名稱中就明確基于大模型技術，而其他2項雖然在名稱中未體現，但根據聲明書介紹，也應用到了大模型技術。

申請機構方面，涉及國有銀行（工商銀行山東省分行、中國銀行上海市分行、建設銀行上海市分行）、股份制銀行（招商銀行上海分行、浦發銀行及其上海分行）、城商行（上海銀行）、民營銀行（新網銀行）、農商行（蘇州農商銀行），國有銀行和股份制銀行占5項。其中，僅有1項的申請機構中出現了外部機構。

關于這8項金融科技創新應用的運營時間（數據來自于各自聲明書的擬正式運營時間），部分創新應用已于2024年開始運營，最晚的正式運營時間則是2025年12月。

值得一提的是，中國人民銀行上?？偛坑?月30日公示上海市第8批金融科技創新監管工具創新應用，圖表中的后4項創新應用即屬于該批次。就在7月7日發布的公告顯示，該批次6個創新應用已完成輔導、公示等，進入測試運行階段，將面向用戶提供服務。

而在具體應用上，信貸/融資成為大模型應用的主要領域，其他領域還包括營銷、線上或線下咨詢服務等。

當然，在這些創新應用中，并非只有大模型技術在發揮作用，還涉及其他技術，比如大數據、機器學習、RPA（機器人流程自動化）、多方安全計算等。

另外，上述大模型創新應用中，主要為對內服務場景，不過也有面客服務場景。比如在上海銀行“基于大模型技術的手機銀行支付便利化服務”中，基于大模型與人工智能技術，不僅能準確理解客戶在各種服務場景下的自然語言指令，還能以自然流暢的語言進行回應和引導，提高語義理解準確性和客戶交互體驗。

大模型存在局限性，部分創新應用中結合RAG技術

據《銀行科技研究社》了解，大模型本身仍有局限性，由于其存在“幻覺”問題可能導致生成的結果不準確等，或需要結合其他技術來提供服務。在上述8項創新應用中，有2項就提到應用RAG（檢索增強生成）技術。

在中國銀行上海市分行“基于大語言模型的科創企業普惠信貸服務”中，綜合運用了大模型、RAG、生成式AI等技術。

其中，運用大模型技術，開發文本數據庫、可視化分析以及報告生成等應用。通過將大模型參數分層，設計存用分離、檢索預訓練的創新記憶分層架構，進行基礎底座大模型的訓練，具有語義理解、智能問答、文本生成、多模態信息檢索等功能，并支持行業大模型的應用拓展，和對相關技術的使用性能和安全性的評測；運用生成式人工智能技術，在政策知識庫的范圍內，理解自然語言問題并提供多輪對話以及匹配相應的政策和金融產品支持。

同時，運用RAG技術，整合外部結構化知識源，構建上海市區惠企政策知識庫，將收集的政策信息結構化，利用知識源提供實體間的關系、屬性、分類和其他形式的專業知識，幫助模型更準確地理解和回應基于知識的查詢，形成交互式政策解讀工具。

在浦發銀行上海分行、浦發銀行“基于大模型的跨境金融輔助決策服務”中，前者提供金融應用場景，后者負責系統研發及運維。該創新應用綜合運用了大模型、知識工程、RAG、重排序（Reranker）算法等技術。

其中，運用大模型技術，一方面通過深度的語義理解、歷史對話關聯，準確識別客戶意圖，支持復雜跨境金融場景的需求分析，實現自動化的服務響應和決策優化；另一方面通過模型語義總結及潤色生成能力，對復雜晦澀的管理政策進行總結歸納，高效傳導至業務辦理環節，提升業務處理效率。

同時，利用RAG技術，彌補大模型訓練結束后無法接收外部信息的缺陷，將檢索到的知識作為提示詞構建的一部分，提升大模型回答的準確性。且運用Reranker算法，對初步檢索出的候選文檔集進行重新排序，在多路召回的初步結果中篩選出與問題最相關的文檔，減少大模型處理無關信息的負擔，提升輸出答案的準確性。

責任編輯：王煊