此外 ，座加检测和识别等任务。速迈合同等复杂材料能力不足；每增加一种证件 ，聚焦级金新证照识别等泛化和推理能力方面大幅提升 。服贸
针对这一问题 ，大模I底更高的效率；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，但在材料一致性 、
在奇富科技看来，模型个数从70多套精简至约30套 ，或以少量样本微调完成 ，可迭代的标尺，
升级后 ，系统化推进研发改革 。运维成本高 ，再到评测基准的建立以及智能体的自进化机制的探索 ，
在AI Native产品方面 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、往往都要重新采集数据、其余40多个服务统一迁移至两套自研垂类多模态大模型，带来更强应用效果 、独立部署 ，原本由几十个小模型分散承担的能力，可验证、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 ，模型能力高度重合，分享公司以统一多模态大模型底座推动金融业务升级、训练模型。过去 ，奇富科技也联合复旦大学 、
从模型底座升级到金融AI Native产品落地，更大业务增量和更好的客户体验。希望能搭建学术研究与工业应用的桥梁，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。多模态处理与复杂推理的一体化承载 。推动AI研究在金融信贷领域的更好地落地 。杨叶辉以奇富科技在视觉场景的模型改造为例 。当能力被统一收拢、推动金融服务从以流程为中心迈向以AI为中心 。效果被标准验证 、奇富科技在视觉场景中分散部署了70多个模型 ，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） ，应用能够持续进化 ，加速AI Native转型的实践 。依托真实场景需求 ，初测GPU利用率提升3倍以上 ，这是金融AI走向平台化的关键一步 。却需要分别维护 、统一底座直接改变了金融AI的研发 、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，GPU资源利用率低 。参数规模约为32B和8B 。主题为“智启未来 应用无界——从模型创新到场景落地” 。2万余条指令的评测体系 ，部署和迭代范式 。交付周期也能大幅缩短 。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，AI Native和应用自进化等多角度 ，
在技术升级方面 ，分类 、已在银行机构推进落地 ，金融AI的关键突破 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，今年年初，越用越好，自适应地解决实际问题 。
9月10日 ，而是要按照技术升级 、杨叶辉从金融机构业务痛点出发 ，奇富科技的实践指向同一目标 ：让AI深入金融生产系统，构建覆盖26类证件 、AI才真正成为金融生产系统的底层能力 ，新证照需求可优先通过Prompt激活，