行业核心挑战 - 小微金融面临数据透明度低和有效决策依据匮乏的挑战 [3] - 企业类型高度多样化导致数据格式混乱且难以有效组织和打通 [3] - 传统风控模型依赖统计和决策树 缺乏深层次因果与逻辑推理能力 [3] 技术架构升级 - 公司通过升级机器感知 认知与逻辑决策三大核心能力构建新一代智能决策引擎 [3] - 感知层面自研金融领域多模态大模型 精准解析银行流水和收入证明等非标准化文档 [3] - 认知层面构建覆盖3300万企业实体的三大知识图谱（企业关系图谱 产品图谱与事理图谱） [3] - 决策层面研发用于小微企业风险管理的推理大模型 具备全程透明可解释性和开箱即用高效率 [4] 技术优势 - 多模态大模型在准确率和召回率上较主流开源模型展现显著优势 [3] - 通过多维数据深度关联实现从群体标签到个体识别的关键跨越 [3] - 推理大模型通过长链推理数据构建和强化学习机制保障准确性与可靠性 [4] 战略目标 - 技术架构帮助金融机构显著提升运营效率与风控精度 [4] - 致力于实现对每一个小微企业的深度理解与精准服务 [4] - 未来将持续推进技术开放与生态合作 向更多金融机构输出系统能力 [5] - 推动小微企业金融服务向更智能 更普惠和更可持续的方向发展 [5]