在信贷审批场景中，尽调材料的核查长期依赖人工逐份比对，耗时且易漏。金融AI实验室近期完成了一轮内部实验：面向中小微企业流动资金贷款，构建一个尽调材料核验助手，输入为申请表、财报、流水与工商信息，输出为字段级一致性提示与需人工复核的疑点清单。
技术路线上，我们采用规则引擎与语言模型协作的结构：先用规则做金额、日期、主体名称的确定性校验，再由模型处理非结构化文本中的表述差异，例如同一笔款项在流水与合同中的不同描述。为避免模型幻觉，所有结论均要求回指原始材料位置，无法定位的判定不计入结果。
阶段性结果：在 120 份历史样本上，字段级抽取准确率约 94%，人工复核疑点清单的检出率为 81%，单份材料初核时间从约 25 分钟降至 6 分钟。主要错误集中在手写票据与模糊扫描件。
下一步计划：扩充样本覆盖行业与票据类型，并试点把疑点清单接入审批工作流，观察复核通过率与误报成本的变化。
要点：
- 结论必须可回指原文位置，不可定位的判定不输出，以控制幻觉风险。
- 模型只做疑点提示，不替代审批决策，人工复核环节保留。
评论