AI可疑交易报告辅助生成：证据链溯源与人工复核

在反洗钱（AML）场景中，一线分析师的大量时间消耗在把告警数据、账户流水与客户尽调材料整理成可疑交易报告（STR）初稿。金融AI实验室近期的一项实验，尝试把大模型只放在"组织证据与成文"这一环，而不是让它独立判断可疑与否。

做法是：先把告警对应的资金链路、对手方关系与命中规则结构化为事实条目，每条事实绑定可回溯的数据源标识；模型生成正文时必须逐句引用这些条目编号，无法引用即不允许输出。可疑性判断仍由既有规则与人工完成，模型不越权。

要点：
· 阶段性进展：内部灰度中，初稿撰写耗时下降约四成，分析师主要精力转向事实核对与结论定性；引用缺失率在约束解码后可控制在较低水平。
· 下一步计划：扩展多语言与跨境交易样本，验证在交易结构复杂、材料残缺情况下的引用完整性，并建立留痕审计的版本管理。