新形势下，宏观与微观风险因素叠加，金融机构普遍面临业务发展和持续保持业务健康性的挑战，从客群和产品定位出发，基于可衡量的数据因子，依托大模型与多Agent的场景能力，探索建设“态势感知、量化分析、精准对比、智能调优”的风险动态量化和管理方案成为金融业务穿越未知、行稳致远的重要路径。

本次演讲将介绍同盾科技基于大模型与Agent能力，围绕“风控策略的动态环境适应力和自进化能力”打造的信贷风险决策自进化框架和实践案例，重点介绍感知层如何设计动态触点、挖掘层如何完成策略生成、仿真层如何进行精准对比验证、应用层如何人机协同平衡效率和风险，最终实现从被动防御到主动进化的模式跃迁。
      
演讲提纲

1. 信贷风控的敏捷性困局
   • 传统困局：传统信贷风控的滞后性，表现为策略迭代周期长、风险因子的迁移速度远远高于策略应变调整的响应、对新型风险或行业突发的风险无能为力。如策略更新和调优依赖人工、策略迭代周期长而风险因子已迁移
   • 核心矛盾：静态策略VS动态环境（政策新规、突发风险、行业骤变、经济波动等）
   • 破局方向：基于大模型与智能体技术，驱动信贷精准风控自进化，实现从“态势实时感知-策略热生成-沙盒对比验证-人机协同运营”的闭环体系
2. 基于Agent的决策自学习与自进化的框架设计
   • 感知层（态势实时感知）：基于多源异构的数据维度，采用大模型技术增强实时感知能力，通过决策与业务的双视角量化监控及多维预警，实时察觉业务异常和失效策略
   • 挖掘层（策略生成中枢）：采用多Agent协同，基于AI算法与大模型技术完成策略自迭代，设计完成从特征筛选、规则生成到模型蒸馏的流水线，实现“风险发生-特征挖掘-策略推荐-风险收敛”的全链路
   • 仿真层（沙盒精细验证）：构建对比验证的Agent沙箱，基于历史数据智能生成正反测试用例，同时支持策略压力测试能力，模拟集中性的风险攻击、行业黑天鹅事件等极端场景
   • 应用层（人机智能协同）：在实际落地中采用人机协同的结合模式，设计冲突反馈机制与关键策略变更的人工校准审批流程，并设计可视化Agent提供多维看板，可视化展示策略演变路径和效果归因分析
3. 实践案例
   • 灵活应用大模型技术，助力信贷场景贷前申请欺诈的闪电攻防
   • 多智能体联动，在对公信贷场景中实现贷后-贷前的联防实践
4. 总结和展望
   • 何为信贷决策进化的最优解
   • 下一步研究计划

听众收益

1. 探讨大模型与Agent在信贷决策重构场景的应用实践，助力听众挖掘自身业务场景。
2. 为信贷风控提供从被动防御到主动进化的模式跃迁思路。

前沿亮点

• 信贷场景如何使用大模型与智能体技术实现风险动态感知、决策和执行，如何从被动防御转为主动进化。