专题演讲嘉宾：陈鸿

金融行业独有的严谨规范性和合规要求，对语言大模型落地真实业务场景构成了较强挑战，且通用模型由于缺乏领域知识和专业工具的支撑，在金融业务中难以开箱即用。业界共识是，只有扎根（Grounding）在实际场景中，具备记忆（Memory），面向自身目标，通过规划（Planning）完成任务的 Agent，才能端到端交付业务需要的智能。

我们在此分享一个在实际业务中打磨过的多智能体协同方案，讨论如何以多智能体流程化的协同推理框架，高效率高质量的交付业务实际可用的投研能力，结合真实的金融业务需求（投研行业分析、新闻事件解读 ），展开这个方案在基座训练和 Prompt 工程方面的一些细节，并尝试勾勒多智能体在金融场景落地的未来蓝图。

演讲提纲：

1. 大模型 VS Agent
2. 金融行业的特殊性
3. 多智能体推理框架
4. 行业实践具体案例
5. 多智能体背景下的基座模型

听众收益：

• 了解蚂蚁集团在多智能体领域的技术探索
• 对在实际业务中实现多智能体系统有所借鉴
• 对大模型驱动的智能体/多智能体系统的未来有所思考