AiDD研发数字峰会-上海站

议题提交

出品人：白硕

恒生电子副总裁、首席科学家

恒生电子副总裁、首席科学家。本科就读于清华大学计算机系，硕士、博士研究生就读于北京大学计算机系。曾任中科院计算所研究员、博士生导师、软件室主任、软件方向首席科学家。在任上海证券交易所总工程师十余年，主导了上交所新一代交易系统的上线。

Al+金融业务创新

本论坛将围绕大模型赋能金融服务、智能风控体系构建、客户洞察与精准营销、用户体验创新等主题展开深度研讨。通过探讨行业典型案例与前沿技术实现路径，本论坛将帮助与会者洞察如何运用AI与金融业务深度结合，提升业务效率与风控水平，进而赢得竞争优势。

金融领域推理引擎：大语言模型，不止于小作文

徐彬

德邦证券算法架构师

内容简介：

选题提出“金融领域推理引擎”，是基于大模型构建一套学习承载结构化的金融领域分析范式，驱动客观数据流的推理引擎；结合高精度的专项模型，学习领域专家的分析框架，借助通用大模型的few shot learning能力，实现可信结果输出；引擎在良好设计的专项模型支撑下，学习领域专家的思考方法，得到金融应用场景下的可复用范式，以可控方式嵌入大语言模型的生成能力，进而驱动领域场景推理，从而避免最终的输出结果出现事实性错误，在技术上有望满足金融生产级别的可信要求。

演讲提纲：
1. 金融行也大模型应用落地的现状和挑战
2. 大模型幻觉的根本原因
3. 缓解方法：金融领域推理引擎
4. 场景案例探索
5. 未来展望

听众收益：
1. 了解大模型在金融行业的应用现状
2. 了解大模型幻觉的根因
3. 了解一种缓解方法和典型场景案例

重庆大学计算机专业学士，BI挪威商学院硕士；曾任平安银行应用架构专家，银行间市场清算所创新衍生品和利率产品项目群负责人；著有《实战深度学习算法》电子工业出版社 2019。

邮储银行智能测试分析进阶

张世哲

中国邮政储蓄银行副主任工程师

内容简介：

邮储银行已进入智能化测试赋能阶段，通过融合生成式大模型等前沿技术，构建起覆盖测试需求分析、案例设计、测试结果分析等核心环节的智能引擎。但面对智能测试分析质量提升的瓶颈问题，邮储银行正在探索基于知识驱动的智能测试进阶之路，建立基于业务理解的测试认知框架。

演讲提纲：
1.破局：智能化测试的应用实践
1.1邮储银行智能化测试全景图
1.2典型场景应用案例
2.攻坚：行业转型的深水区挑战
2.1从单点场景到智能生态演进
2.2复杂业务流中的智能生成质量低的困局
3. 破题：邮储银行的解法创新
3.1知识驱动的混合模型架构
3.2基于业务理解的测试认知框架

听众收益：
1.可借鉴邮储银行基于大模型的智能测试落地路径
2.参考智能测试应用场景的实现思路

现任中国邮政储蓄银行软件研发中心测试中心副主任工程师，主要负责测试效能、科技创新等工作。从事软件测试技术和管理相关工作12+年，先后在IBM、腾讯、搜狗工作，具有丰富的测试理论和实践经验。

推理大模型在需求合规分析方面的应用探索

彭欣华

招商银行项目管理专家

内容简介：

本演讲聚焦LLM（大语言模型）在个人信息保护落地中的创新应用，从需求分析到实践路径全面解析其技术价值与实施策略。

演讲提纲：
1.引言：隐私保护的挑战与LLM的机遇
背景：数据量爆炸式增长，隐私泄露事件频发，国内法规严格，合规成本攀升。
痛点：银行需求数量多，传统人工分析效率低、易遗漏风险、难以应对动态法规。
转折点：LLM的出现提供智能化、系统化的解决方案。
2.推理LLM在需求分析中的三大突破
需求解构：快速解析需求文档，COT推理识别隐含的隐私风险。
合规对齐：自动生成合规建议，确保功能设计与法律要求一致。
用户沟通：用自然语言解释隐私政策，提升用户知情权与信任度。
3.从需求到落地的智能合规路径
数据分类与敏感识别：LLM自动标记敏感信息，制定分级保护策略。
隐私影响评估：自动化生成风险报告，提供改进建议。
流程优化工具：代码扫描、隐私偏好管理、培训材料生成等场景落地案例。
4.挑战与未来展望

听众收益：
1. 了解LLM如何解决传统合规分析的效率低、风险遗漏、法规动态适应性差等痛点。
2.学习LLM在需求解构、合规对齐、用户沟通中的具体应用逻辑与技术优势。

招商银行总行信息技术部PMO、PMP、CSPO、CSM、CCEP、CFA L2、高级程序员。多年量化交易系统开发经验，多年项目管理、需求管理、产品管理、效能管理经验，在中国软件估算大会演讲过软件功能点度量实践，智能项目管理等主题。认证PMP、CFA等。曾在《中国金融电脑》期刊上发表文章《将自然语言处理应用于软件规模度量的研究》，在软件工程顶级会议ESEC/FSE20、软件维护顶级国际会议ICSME20、信息和软件技术国际期刊IST上发表多篇论文。

AiDD峰会

K+峰会

联系我们