如何利用大模型提高金融合规场景的工作效率？

金融是强监管行业，遵守法律法规、行业标准和内部政策是金融行业的基本要求。在强监管合规环境下，金融机构需要降低合规风险并提升服务质量。

人工审核效率低、成本高，且存在主观性导致的风险。过去，金融机构基于规则和NLP模型构建智能审核系统，提高业务领域的审核效率和准确率，降低人力成本。但传统智能审核系统的智能化程度有限，局限于规则和模板，存在合规知识点更新不及时、知识库维护成本高、知识检索结果不准确等应用难题。

随着大模型技术的创新，金融机构探索大模型在合规领域的应用，升级智能审核系统，当前主要的应用场景包括合规知识库构建、合规知识智能问答、合规报告生成等。

沙丘智库长期跟踪调研大模型技术的发展，旨在帮助企业快速了解大模型最新、最全面的落地情况。沙丘智库通过研究招商银行、平安集团、广发证券、山西证券、华农保险等金融机构合规场景的大模型应用实践，旨在为其他金融机构提供参考。

案例1：招商银行智能审核系统建设实践

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。

案例2：平安基于多模态大模型的智能品控实践

平安利用大模型多模态技术实现多