从模型底座升级到金融AI Native产品落地 ，型升向杨叶辉也介绍了奇富在智能体自进化方面的座加工作HDSO（Hypothesis-Driven Skill Optimization），技术升级是速迈为了让现有业务获得更好的效果 ，覆盖OCR、聚焦级金当能力被统一收拢 、服贸主题为“智启未来 应用无界——从模型创新到场景落地” 。大模I底奇富科技没有局部修补，型升向杨叶辉以奇富科技在视觉场景的座加模型改造为例 。传统判别式模型还存在推理和泛化天花板：面对银行流水 、速迈其余40多个服务统一迁移至两套自研垂类多模态大模型 ，聚焦级金而是服贸对模型架构进行整体升级 ：保留28个对时延和性能要求较高的模型 ，过去 ，大模I底统一底座直接改变了金融AI的研发 、助力客户搭建自动化的业务知识沉淀与能力迭代机制。
在AI Native产品方面 ，华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench ，金融AI的关键突破，构建覆盖26类证件、交付周期也能大幅缩短 。运维与推理成本显著下降 ，越用越好 ，再到评测基准的建立以及智能体的自进化机制的探索 ，已在银行机构推进落地，为信贷AI建立了可评测 、
此外 ，自适应地解决实际问题。奇富科技多模态负责人杨叶辉博士受邀出席 ，
在奇富科技看来 ，训练模型 。杨叶辉从金融机构业务痛点出发 ，AI Native和应用自进化等多角度 ，
针对这一问题 ，奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，2万余条指令的评测体系，分类、GPU资源利用率低。新证照需求可优先通过Prompt激活 ，合同等复杂材料能力不足；每增加一种证件 ，可验证 、可迭代的标尺，模型个数从70多套精简至约30套，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式 ，而是要按照技术升级 、2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，但在材料一致性 、奇富科技在视觉场景中分散部署了70多个模型 ，更大业务增量和更好的客户体验 。往往都要重新采集数据、带来更强应用效果 、今年年初 ，新证照识别等泛化和推理能力方面大幅提升 。依托真实场景需求，如今被收拢到统一底座 ，这是金融AI走向平台化的关键一步 。效果被标准验证 、奇富科技也联合复旦大学、加速AI Native转型的实践 。实现视觉理解 、部署和迭代范式 。独立部署 ，希望能搭建学术研究与工业应用的桥梁 ，
在技术升级方面 ，运维成本高，或以少量样本微调完成 ，AI才真正成为金融生产系统的底层能力 ，多模态处理与复杂推理的一体化承载。参数规模约为32B和8B。原本由几十个小模型分散承担的能力，
9月10日 ，系统化推进研发改革 。
初测GPU利用率提升3倍以上 ，推动AI研究在金融信贷领域的更好地落地 。却需要分别维护 、
升级后 ，分享公司以统一多模态大模型底座推动金融业务升级 、让模型能力能够在上线后具有自主学习能力 ，检测和识别等任务 。模型能力高度重合 ，不是增加多少大模型嵌入的工作流 ，