旷视科技落地基于大模型技术的个人征信解决方案，有效提升金融机构客户转化率

朴道征信有限公司提供征信服务，在信贷和金融服务场 景遇到一个痛点。 一直以来，缺乏一个适用于不同信贷业务、 全方位评估个人资质的评分，例如还款表现、收入、资产、 履约情况、消费等级等维度。导致金融机构在客户分层经营、 同业比较，以及个人对自身资质客观评价时造成不便。上述 痛点背后是两个技术难题。 一是大量非结构化征信数据未被 有效利用。二是用户行为信息颗粒度粗，客户心理状态类特 征提取难。

北京旷视科技有限公司基于大模型技术，提出个人征信创新技术方案，在LLaMA2 模型基础上进行精调，将各种非 结构化数据进行结构化，并且自动筛选有效变量。同时基于 Transformer 架构进行自监督预训练，理解贷款用户的行为 和意图，生成个人信用评分，预测贷款意愿。该解决方案存 在三个技术创新点。 一是利用AUTOML、 命名实体识别、关系 抽取等技术拓宽模型分析维度，实现非结构数据语义解析和信息提取，提升用户画像全面性。二是充分学习个人数据中 的时序模型，实现对个人行为的精准建模。三是引入自监督 学习方法，使用无标签样本对风控模型进行预训练，缓解负 样本稀缺问题。

项目取得三项成果。 一是旷视科技与朴道征信合作，打 造出一款通用的个人客户资质评分，更准确的评估用户的综 合资质，帮助朴道征信客户转化率提升20%。二是旷视科技 为朴道后续的新产品、新业务模式探索，提供了重要的底层 支撑。三是基于征信行业独特的数据特点，探索出一条持续 使用大模型挖掘业务价值可行道路。