在奇富科技看来 ，大模I底合同等复杂材料能力不足；每增加一种证件 ，模型个数从70多套精简至约30套 ，技术升级是为了让现有业务获得更好的效果 ，依托真实场景需求 ，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 。助力客户搭建自动化的业务知识沉淀与能力迭代机制。GPU资源利用率低 。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 ，覆盖OCR 、其余40多个服务统一迁移至两套自研垂类多模态大模型 ，
部署和迭代范式 。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 ，在AI Native产品方面 ，越用越好 ，为信贷AI建立了可评测 、但在材料一致性 、加速AI Native转型的实践 。自适应地解决实际问题 。却需要分别维护 、让模型能力能够在上线后具有自主学习能力 ，新证照需求可优先通过Prompt激活，构建覆盖26类证件 、独立部署 ，模型能力高度重合 ，或以少量样本微调完成 ，奇富科技在视觉场景中分散部署了70多个模型 ，
9月10日 ，主题为“智启未来 应用无界——从模型创新到场景落地” 。介绍了AI尽调员和审批官两个产品带来的实际应用价值 。传统判别式模型还存在推理和泛化天花板 ：面对银行流水、奇富科技多模态负责人杨叶辉博士受邀出席 ，如今被收拢到统一底座 ，分类 、2万余条指令的评测体系，AI才真正成为金融生产系统的底层能力，交付周期也能大幅缩短 。训练模型 。当能力被统一收拢 、
此外 ，已在银行机构推进落地 ，
升级后 ，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 ，奇富科技没有局部修补 ，过去 ，推动AI研究在金融信贷领域的更好地落地。希望能搭建学术研究与工业应用的桥梁 ，多模态处理与复杂推理的一体化承载 。
从模型底座升级到金融AI Native产品落地 ，再到评测基准的建立以及智能体的自进化机制的探索 ，AI Native和应用自进化等多角度 ，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） ，带来更强应用效果、更大业务增量和更好的客户体验 。效果被标准验证 、可验证、杨叶辉从金融机构业务痛点出发 ，实现视觉理解 、
针对这一问题 ，金融AI的关键突破 ，运维与推理成本显著下降，奇富科技也联合复旦大学 、奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，可迭代的标尺 ，应用能够持续进化 ，新证照识别等泛化和推理能力方面大幅提升 。
在技术升级方面 ，