在信贷尽调环节，银行流水通常以PDF、Excel导出件、扫描件三种形态混存，各行表头命名与科目口径不一，单份材料的字段核对与收入认定仍以人工为主。本期金融AI实验室围绕「可核验的自动化」做了一组实验性探索。
技术路径上，先做版式解析与表格结构还原，把跨页、合并单元格、跨行摘要对齐为统一交易记录；再以规则词典处理高频科目，交由大模型对长尾摘要做科目归一，两者结果冲突时保留候选而非强行合并。收入识别不直接输出单一结论，而是按对手方稳定性、入账周期性和金额分布给出评分区间，并附原文页码与坐标用于人工回溯。
阶段进展：
· 在内部构建的多格式测试集上，交易记录抽取与科目归一的字段准确率已可支撑初筛，扫描件因印章遮挡与低对比度仍是主要误差来源；
· 收入评分与人工认定结论的一致率在稳定薪资类样本上表现较好，经营性回款因对手方分散，暂以「待人工确认」标记输出。
下一步计划：扩充分行模板库与科目映射，接入反欺诈特征做联合校验，并将置信度阈值开放为可配置项，便于不同风控策略下调整自动化比例。实验室观点是，金融场景的价值不在于替代判断，而在于把可追溯的证据链交到人手上。
评论