传统智能审核系统存在两个局限性，第一，高度依赖于业务人员梳理审核知识和审核流程，导致场景扩展存在局限性；第二，在面向小样本、相对复杂的语义推理场景时，传统模型的能力有限。在大模型出现后，招商银行探索基于大模型的审核方案，解决流程分为知识入库和知识审核两个模块：

• 知识入库：招商银行尝试用大模型拆解内外规、流程操作指引等，将知识化、专业化的规章或操作范式转化成机器可以理解的审核知识点；

• 知识审核：将待审核文档上传后，基于审核知识库和待审核知识进行关联检索，将关联到的待审核文档的相关审核知识点给大模型，大模型根据知识和指引给出推理。

完整内容：招商银行智能审核系统建设实践

平安利用大模型多模态技术实现多模态数据自动收集，将品控质检标准通过统一流程和方案落地，实现全方位、全旅程、高时效、准实时的质量品控，覆盖业务需要品控的场景：

• 自动总结：针对挂号、住院、陪诊等服务，在首次致电收集需求、出号提醒等电话沟通场景，根据服务流程要求（客户需求、待办事项等），自动解析、生成结构化总结，提升后续服务环节的服务质量。

• 语音品控：针对挂号、住院、陪诊等服务，将用户提交的需求、服务过程中的通话记录、服务人员提交的服务材料进行三方对比，自动识别异常点，提醒服务人员、品控人员进行修正、管理。

• 图文品控：针对陪诊、康复护理等服务，将服务人员提交的关键材料（接送车安排、探视礼品、康复指导书等），与用户需求、服务标准进行自动对比，识别异常，提醒服务人员、品控人员进行修正、管理。

案例选自：平安基于多模态大模型的智能品控实践

投行文档复杂多样，既有结构相对固定的制式文档，也有无固定格式的非制式文档。传统的智能核查主要应用各种专门的NLP模型和规则实现业务功能，存在训练专门模型工作量大重复劳动多、语义推理能力弱、处理未见数据的泛化能力弱等问题。

广发证券运用金融大模型技术，建设金融大模型应用基础架构服务，包括语料工程、提示工程、质控工程。同时，建设三个金融大模型应用场景，文档智能抽取、智能生成、智能核查，打造基于金融大模型的投行文档抽取、生成、核查一体化解决方案。

完整内容：广发证券基于金融大模型的智能化核查实践

山西证券内部已建立合规宝典（合规知识库）用于员工开展合规作业，将本地知识库变成问答应用。

通过结合人工智能大模型，进行证券合规知识训练后，可为证券从业人员提供一个合规方面的智能问答机器人，在提升从业人员合规知识储备的同时节省大量文档检索时间，提升合规问答的精度和准确度，大幅提高工作效率，助力证券行业的合规智能化。

完整内容：生成式AI案例研究简报-2024年5月版

员工从海量的监管制度、司法判决、公司内部规章制度等材料中难以准确获取风控相关的信息，华农保险借助大模型的能力形成自有的知识库，形成审计合规知识库，员工可以通过提问的方式查询制度或案例，了解到其操作是否合规，从源头预防风险事件的发生。

以前用户网上搜索监管制度、找到需要的答案需时约5-10分钟，现在通过知识库问答获得答案需时约1-2分钟。

完整内容：华农保险大模型应用场景