信贷财报审核大模型实验：要素抽取与风险信号

信贷审批环节中，财报审核长期依赖人工比对，效率与一致性受限。金融AI实验室近期开展大模型辅助财报审核的阶段性实验，聚焦两项任务：财报关键要素结构化抽取，以及基于要素联动的异常风险信号识别。实验基于近三年某城商行脱敏信贷档案构建评测集，覆盖制造业与批发零售业共1200份财报。阶段性进展：一是采用“版面解析+大模型抽取+规则校验”三段式方案，营收、负债、现金流等32项核心字段抽取F1值达0.91，较纯OCR规则方案提升约14个百分点；二是将抽取结果向量化后检测勾稽关系异常（如营收与现金流长期背离、应收账款激增），在人工标注的86个风险样本中召回78个，单份财报平均误报控制在0.6条以内。下一步计划：引入行业先验知识库以降低跨行业误报，并开展信贷员人机协同对照测试，评估模型建议在真实审批流程中的采纳率与复核工时变化。全部数据经脱敏处理，阶段结果仅用于内部研究。