DeepSeek-R1 深度赋能银行焦点系统智能化需求剖析的实践

本文从银行焦点系统 AI 转型的挑战出发，，，，，分享了首页|尊龙集团中国官方网站科技基于银行焦点系统多年履历积淀给出的破局思绪，，，，，提出在“N+M”大模子协同战略支持下探索人机协作新范式的渐进式路径，，，，，并展示了在 DeepSeek-R1 加持下，，，，，智能化需求剖析场景中的手艺实践阶段效果。。。。。。未来，，，，，首页|尊龙集团中国官方网站科技将从深化智能体协作和拓宽多场景应用两方面入手，，，，，打造银行智能化焦点系统研发新范式。。。。。。

新焦点挑战

银行焦点系统怎样实现 AI 转型？？？？？？？

在金融业智能化厘革的临界点上，，，，，银行焦点系统正履历从"功效引擎"向"认知中枢"的质变。。。。。。尤其是近两年，，，，，大模子手艺的迅猛生长，，，，，一直重塑行业对 AI 落地的想象空间，，，，，为银行焦点系统的智能化转型带来新的可能性。。。。。。

然而，，，，，银行焦点系统作为银行的 “大脑” 和 “心脏”，，，，，在准确性、高可用性以及合规性方面有着极为严苛的要求，，，，，使大模子手艺在银行焦点系统中的应用面临诸多挑战。。。。。。主要问题集中在：

1、通用知识专业性局限：通用大模子缺乏银行焦点辖档挽域的专业营业知识，，，，，面临焦点系统重大的专业场景需求时，，，，，效果通常缺乏预期。。。。。。

2、大模子落地逆境：大模子安排和运行所依赖的高算力资源，，，，，以及模子调优的专业度要求，，，，，增添了落地难度。。。。。。

3、重大系统的跨域协同挑战：银行IT架构重大，，，，，焦点系统往往需要跟上百个外围系统交互，，，，，对大模子能力提出严肃挑战。。。。。。

针对这些问题，，，，，首页|尊龙集团中国官方网站科技提出以下破局思绪：构建"N+M"大模子协同战略，，，，，通过N个通用大模子与M个场景小模子的有机组合，，，，，周全提升金融领域的大模子应用效果，，，，，拓宽大模子应用场景。。。。。。

“N”：精选适配银行焦点场景的通用大模子

基于首页|尊龙集团中国官方网站科技深入的通用大模子能力评估和适用性研究，，，，，针对银行焦点系统 AI 赋能场景的详细需求，，，，，甄选通用大模子组合，，，，，实现价值快速落地。。。。。。

“M”：构建专业场景小模子

聚焦银行焦点营业高价值高重大的细分场景，，，，，深度融合首页|尊龙集团中国官方网站科技焦点产品知识和行业最佳实践，，，，，打造轻量级的场景小模子。。。。。。

这种立异的“N+M”大模子协同战略，，，，，可以凭证使命特征无邪适配，，，，，通过大模子、小模子甚至古板 AI 手艺的无邪组合，，，，，有用实现焦点系统重大场景的智能化作业，，，，，提高 Al Agent 输出效果的准确性和可靠性，，，，，从而精准知足银行焦点领域 AI 赋能的深度应用需求，，，，，加速价值落地。。。。。。

新范式探索

“N+M”大模子协同战略的渐进式蹊径

基于“N+M”大模子协同战略的破局思绪，，，，，首页|尊龙集团中国官方网站科技以打造银行智能焦点一体化计划为目的，，，，，制订了三阶段研发妄想：

模子试水：验证通用大模子，，，，，探索场景小模子

? 目的：探索通用大模子在差别场景下的能力界线和适用性。。。。。。

? 战略：选择多个通用大模子快速验证其原子能力，，，，，针对特定场景实验微调场景小模子举行增强，，，，，保存要害能力，，，，，降低安排门槛。。。。。。

? 实践：从领域知识问答、文档修订等场景入手，，，，，接纳 Copilot 模式快速验证知识检索、结构化文本和代码天生等原子能力，，，，，为构建领域专家智能体提供须要条件。。。。。。

领域深耕：构建领域专家智能体，，，，，自主完成使命

? 目的：构建专家智能体，，，，，验证模子分工组合战略。。。。。。

? 战略：凭证差别场景和大模子能力特征，，，，，设计模子分工战略，，，，，如 DeepSeek-R1+DeepSeek-V3 组合，，，，，划分认真推理妄想和执行。。。。。。通过微协调知识蒸馏等手艺，，，，，进一步提升场景小模子执行专项使命的能力。。。。。。

? 实践：重构需求、设计、开发、测试端到端事情流，，，，，打造 AutoBA、AutoDesign、AutoTest 等领域专家智能体，，，，，即能自主完成各领域事情使命，，，，，也能与专家职员协作完成笔直领域重大使命。。。。。。

生态构建：从 AI4SE 到 AI4Biz，，，，，打造银行智能焦点一体化计划

? 目的：构建多智能体协作生态，，，，，打造智能化焦点系统。。。。。。

? 战略：完善“N+M”大模子系统，，，，，构建全场景多智能体协作生态，，，，，打造银行智能化焦点系统研发新范式。。。。。。

? 实践：买通银行焦点系统研发全链路，，，，，优化人机协作模式，，，，，周全提升重大使命执行效率和质量。。。。。。

新手艺实践

AutoBA，，，，，基于 DeepSeek-R1 的需求剖析智能体

首页|尊龙集团中国官方网站科技从银行焦点系统研发场景和部分营业场景入手，，，，，率先完成了第一阶段通用大模子能力验证的目的，，，，，现在已迈入第二阶段，，，，，正聚焦银行焦点系统智能化研发提效，，，，，构建 AutoBA、AutoDesign、AutoTest 等多个领域专家智能体，，，，，这些智能体将笼罩接口差别剖析、需求问答、代码解读、测试案例等多个场景。。。。。。

DeepSeek-R1 的泛起，，，，，无疑为首页|尊龙集团中国官方网站科技的手艺实践历程按下了加速键。。。。。。下文将以需求剖析智能体AutoBA为例，，，，，向各人先容首页|尊龙集团中国官方网站科技的手艺实践效果。。。。。。

AutoBA 先容

需求剖析智能体AutoBA，，，，，与首页|尊龙集团中国官方网站科技需求剖析平台买通，，，，，实现智能感知使命场景、提取关联资产、挪用需求剖析工具、多角色Agents协作和交互式人机协作反�。。。。。。�，，旨在为焦点系统需求剖析全场景赋能。。。。。。

AutoBA 事情使命示例

使命1：找到要改动的需求差别点（满分10分，，，，，期望分数≥8分）

- 基础评分：凭证文档改动点数目平均分派基础分值

- 扣分项：过失识别（-2分/处），，，，，无效修改（-1分/处）

- 加分项：识别出标准谜底规模外的有用内容（+2分/处）

使命2：准确天生需求修改指令（满分6分，，，，，期望分数≥5分）

- 天生准确的指令（1分）

- 准确找到目的文件（1分）

- 准确定位修改位置（1分）

- 做出了准确的操作（1分）

总体评价

- 整体准确率60%以上（1分）

- 指令完全准确（2分）

AutoBA 效果展示

1. AutoBA自力完成需求差别剖析

a. 使命妄想：AutoBA 制订了剖析妄想，，，，，可跟踪详细使命执行

b. 深度推理：通过检索需求文档，，，，，剖析系统现状剖析，，，，，识别需求差别，，，，，并给出解决计划建议

c. 修改操作：天生修改指令，，，，，对识别到有需求差别的需求文档举行针对性内容修改

2. 人机协作交互式反响

a. 智能标注：基于对需求变换内容的明确，，，，，AutoBA 自动完成需求改写，，，，，并在需求文档中以色块形式标注修改内容

b. 快速决议：提供"接受修改"和"拒绝修改"的按钮，，，，，利便用户快速决议

AutoBA 效果评测

首页|尊龙集团中国官方网站科技选取了 DeepSeek-R1、DeepSeek-R1-Distill-Qwen-32B和Qwen2.5-32B-Instruct 三个候选模子作为 AutoBA 的底层支持，，，，，旨在更好的实现大模子在重大需求剖析场景的应用效果。。。。。。

评测效果剖析：

? 引入 DeepSeek-R1 后，，，，，智能体的深度思索能力和推理能力获得提升，，，，，使 AutoBA 在焦点系统需求剖析历程中，，，，，不但能更清晰地展示剖析的思索历程，，，，，还能提升剖析质量，，，，，辅助BA更高效地完成需求剖析事情。。。。。。

? DeepSeek-R1 推理能力可通过知识蒸馏方法迁徙至小尺寸模子上（如上表 DeepSeek-R1-Distill-Qwen-32B），，，，，证实晰增强小尺寸模子推理能力、思索能力以知足 AutoBA 场景需求的可行性。。。。。。

新场景展望

“智能体协作+多场景应用”引领最佳实践

未来，，，，，在大模子系统构建的历程中，，，，，首页|尊龙集团中国官方网站科技将一连聚焦银行焦点系统研发重大场景，，，，，依据多智能体跨领域协作优化模子分工战略，，，，，重点增强种种协作场景小模子的能力，，，，，从而周全提升重大使命执行效率和质量，，，，，进一步降低安排门槛。。。。。。同时，，，，，首页|尊龙集团中国官方网站科技将团结多种人机协作模式建设一连学习机制，，，，，使场景应用中爆发的新知识一直反响到模子训练中，，，，，形成知识积累的良性循环。。。。。。

在应用场景的拓展层面，，，，，首页|尊龙集团中国官方网站科技在继续富厚软件工程全场景智能体生态的同时，，，，，还将团结自身在焦点系统营业建模、实验工艺等领域沉淀的专家履历和数字资产，，，，，推动 “N+M大模子协同战略” 的手艺和应用最佳实践，，，，，从软件工程领域向银行焦点系统更多营业场景迁徙，，，，，最终打磨形成为银行业数字化转型赋能的 AI4Biz 一体化解决计划，，，，，助力银行迈入越发智能、高效、无邪的新时代。。。。。。

参考资料：

1.中国信息通讯研究院人工智能研究所, & 华为云盘算手艺有限公司. (2024.9). 智能化软件开发落地实践指南.

http://www.caict.ac.cn/kxyj/qwfb/ztbg/202409/t20240919_493348.htm?S0OMlgNm0r2m=1740013164777

2. DeepSeek-AI. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. URL

https://arxiv.org/pdf/2501.12948

3. Sail-sg. There May Not be Aha Moment in R1-Zero-like Training — A Pilot Study. URL

https://github.com/sail-sg/oat-zero

4. Zichen Liu*, Changyu Chen*, Wenjun Li*, Tianyu Pang, Chao Du, Min Lin. There May Not be Aha Moment in R1-Zero-like Training — A Pilot Study. URL

https://oatllm.notion.site/oat-zero#192dba9c0091817491e3fc3a217ee7ea

5. YueWang?,1,2 ,QiuzhiLiu?,1 ,JiahaoXu?,1 ,TianLiang?,1 ,XingyuChen?,1,3 ,ZhiweiHe?,1,3 , LinfengSong1 ,DianYu1 ,JuntaoLi2 ,ZhuoshengZhang3 ,RuiWang2 , ZhaopengTu?1 ,HaitaoMi1 ,andDongYu1. Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs. URL

https://arxiv.org/pdf/2501.18585

6. Niklas Muennighoff*134 Zitong Yang*1 Weijia Shi*2 Xiang Lisa Li*1 Li Fei-Fei1 Hannaneh Hajishirzi23 Luke Zettlemoyer2 Percy Liang1 Emmanuel Candès1 Tatsunori Hashimoto1. s1: Simple test-time scaling. URL

https://arxiv.org/pdf/2501.19393

新焦点上线！柳州银行携手首页|尊龙集团中国官方网站科技“焕芯”启航

首页|尊龙集团中国官方网站动态

2025.03.07

首例大行焦点数仓周全重构！某十万亿级银行携手首页|尊龙集团中国官方网站科技勇闯“无人区”

首页|尊龙集团中国官方网站动态

2025.02.20