معرفی هوش مصنوعی مالی XuanYuan 4.5؛ ارتقای ۳۰ درصدی خدمات مالی با یکدهم هزینه مدلهای عمومی
شرکت مالی Du Xiaoman با همکاری دانشگاه علم و صنعت هنگکنگ از مدل پیشرفته XuanYuan 4.5 رونمایی کرد؛ سیستمی تخصصی برای صنعت بانکداری که از فناوری خودبهسازی بازگشتی بهره میبرد. این مدل زبانی و چندحالته با ارائه کارایی ۳۰ درصد بالاتر در مدیریت ریسک، هزینه پردازش و استنتاج را تا ۹۰ درصد نسبت به مدلهای عمومی پرچمدار کاهش میدهد.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- مدل مالی و چندحالته XuanYuan 4.5 بهعنوان نخستین سامانه مجهز به فناوری خودبهسازی بازگشتی برای عاملهای هوشمند بانکی رونمایی شد.
- این مدل با کاهش ۵۰ درصدی ریسک معوقات کوتاهمدت و پشتیبانی از ۲۰ هزار کاربر به ازای هر مدیر، کارایی فرایندهای مالی را ۳۰ درصد بهبود میبخشد.
- هزینه پردازش و استنتاج این مدل تخصصی حدود یکدهم مدلهای پرچمدار عمومی است و روزانه بیش از ۱۰۰ میلیارد توکن مصرف میکند.
معرفی مدل XuanYuan 4.5
مدل بزرگ و بهینهسازیشده XuanYuan 4.5 در حوزه امور مالی، در تاریخ ۲ نوامبر ۲۰۲۶ همزمان با افتتاحیه هفته فینتک هنگکنگ توسط شرکت ارائهدهنده خدمات مالی Du Xiaoman، با مشارکت دانشگاه علم و صنعت هنگکنگ (HKUST) و مرکز تحقیق و توسعه هوش مصنوعی مولد هنگکنگ (HKGAI) رونمایی شد. این دستاورد در دو بخش مدل زبانی بزرگ و مدل چندحالته عرضه میشود و نخستین مدل مالی بهشمار میرود که از تکنیکهای خودبهسازی بازگشتی (RSI) هم در فرایند آموزش و هم در همسوسازی اهداف سناریوهای عاملمحور استفاده کرده است.
شرکت Du Xiaoman گزارش داده است که این مدل در حوزههای جذب مشتری، کنترل ریسک و مدیریت تعاملات، بهبودی حدود ۳۰ درصدی ایجاد کرده و در عین حال هزینه استنتاج آن تقریباً یکدهم مدلهای چندمنظوره پرچمدار است. به گفته این شرکت، هماکنون بیش از ۱۰۰۰ عامل هوشمند و بیش از ۵۰۰۰ مهارت بر بستر XuanYuan فعال هستند و روزانه بیش از ۱۰۰ میلیارد توکن پردازش میکنند.
تکنیکها و نوآوریهای کلیدی
- فناوری خودبهسازی بازگشتی (RSI): سامانه اختصاصی Xuanyuan-Machine در فرایندهای تولید دادههای ترکیبی برای عاملها، ریزتنظیم بانظارت و یادگیری تقویتی مشارکت دارد تا مدل پیوسته با وظایف پیچیده مالی سازگار شود.
- یادگیری تقویتی زنجیرهای (Long-chain RL): این مدل برای انجام تحلیلهای چندمرحلهای، پاداشهای منطبق با رویههای استاندارد اعتبارسنجی را با تقطیر سیاستی ترکیب میکند تا قابلیتهای تخصصی گوناگون را یکپارچه سازد.
- دادههای غنی سناریومحور: بهرهگیری از بیش از ۱۰۰ میلیارد توکن داده منطبق با الزامات و استانداردهای قانونی مالی که مستقیماً در بستر عاملهای هوشمند تدوین شدهاند.
ارزیابی عملکرد و بازدهی عملیاتی
سناریو و کاربرد | نتایج بهدستآمده (گزارش رسمی) |
|---|---|
مدیریت ریسک مبتنی بر عاملهای هوشمند | کاهش بیش از ۵۰ درصدی چرخه اصلاح استراتژیها، کاهش حدود ۵۰ درصدی ریسک معوقات کوتاهمدت و افت ۱۲ درصدی معوقات سالانه |
ارزیاب اعتباری هوش مصنوعی | عملکردی بهتر از ۸۰ درصد کارشناسان انسانی اعتبارسنجی و کاهش زمان انتظار متقاضیان از ۱۰ دقیقه به ۲ دقیقه |
عامل هوشمند وصول مطالبات | ثبت نرخ وصول بدهی به میزان بیش از ۸ درصد بالاتر از رباتهای سنتی |
عامل خدمات و پشتیبانی مشتریان | پاسخگویی مستقل و کامل به حدود ۸۰ درصد پرسشها و نیازهای پرتکرار کاربران |
عامل ارتباطی سازمانی در WeCom | توانایی پشتیبانی و ارائه خدمات به حداکثر ۲۰ هزار مشتری توسط تنها یک مدیر حساب کاربری |
پیشینه و زمینه توسعه
خانواده مدلهای مالی XuanYuan که فرایند توسعه آن از سال ۲۰۲۳ توسط شرکت Du Xiaoman آغاز شده، یکی از پیشگامان کاربرد هوش مصنوعی در صنعت بانکداری بهشمار میرود. این شرکت با همکاری دانشگاه علم و صنعت هنگکنگ (HKUST) در مارس ۲۰۲۵ یک آزمایشگاه مشترک هوش مصنوعی تأسیس کرد و اکنون با معرفی نسخه ۴.۵ قصد دارد از طریق مرکز HKGAI و دفتر مرکزی خود در هنگکنگ، این مدلهای مالی ارتقایافته را روانه بازارهای بینالمللی کند.
نحوه دسترسی، استفاده و همکاری
- بررسی جزئیات رونمایی: رسانههای معتبر اقتصادی نظیر چاینا نیوز، پیپولز دیلی و سکیوریتیز دیلی در گزارشهای تحلیلی خود، جزئیات فنی و ابعاد تجاری این مدل را تشریح کردهاند.
- همکاریهای سازمانی و بینالمللی: مدل XuanYuan 4.5 در حال حاضر زیرساخت اصلی فرایندهای اعتبارسنجی، ریسک و خدمات شرکت Du Xiaoman را تأمین میکند و طبق برنامهریزیها، از طریق مرکز HKGAI در دسترس نهادهای مالی هنگکنگ و سایر مؤسسات بینالمللی قرار خواهد گرفت.
- الگوی پژوهشی برای عاملهای تخصصی: معماری آموزشی مبتنی بر ترکیب فناوری RSI، پاداشهای اعتبارسنجی استاندارد و تقطیر سیاستی، چارچوبی کارآمد برای پیادهسازی یادگیری تقویتی در عاملهای هوشمند صنایع تخصصی ارائه میدهد.
- نسخههای متنباز پیشین: نسلهای قبلی این خانواده مانند مدل XuanYuan-70B پیشتر در GitHub و Hugging Face بهصورت متنباز منتشر شدهاند و نقطه شروع مناسبی برای پژوهشهای حوزه هوش مصنوعی مالی محسوب میشوند.
نکته سردبیری: تمام دادهها و آمارهای عملکردی فوق توسط شرکت سازنده اعلام شدهاند و ارزیابی نهایی آنها در کاربردهای واقعی نیازمند سنجش با بنچمارکهای مستقل است.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

جهش تقاضا برای تجهیزات هوش مصنوعی، کارخانههای آمریکا را تحت فشار گذاشت
رونق بیسابقه تجهیزات مرتبط با هوش مصنوعی و مراکز داده، تولید کارخانههای آمریکا را به بالاترین سطح در سالهای اخیر رسانده است. با این حال، افزایش شدید تقاضا در کنار رشد هزینههای انرژی، زنجیره تأمین را دچار تنگنا کرده و به افزایش قیمتها دامن زده است.

آموزش رباتها حین کار توسط انسان؛ راهکار نوآورانه استارتاپ Tutor برای هوشمندسازی ماشینها
استارتاپ رباتیک Tutor با رویکردی نوآورانه، رباتهای صنعتی را حین انجام کار واقعی و با هدایت مستقیم اپراتورهای انسانی آموزش میدهد. در این روش، مهارتهای جدید هر ربات به دادههای آموزشی تبدیل شده و با بهروزرسانی مدلهای پایه، به تمام ناوگان ماشینها منتقل میشود.

رخنه امنیتی در پلتفرم هوش مصنوعی Trigger.dev؛ کلیدهای محرمانه و متغیرهای محیطی کاربران به سرقت رفت
پلتفرم ابری Trigger.dev که برای ساخت ایجنتها و خودکارسازی فرآیندهای هوش مصنوعی کاربرد دارد، از وقوع یک رخنه امنیتی خبر داد. در جریان این نفوذ، متغیرهای محیطی و کلیدهای دسترسی حساس شماری از سازمانها افشا شده است. کارشناسان به توسعهدهندگان پیشنهاد میکنند برای امنیت بیشتر، از نسخه متنباز و میزبانی شخصی این پلتفرم استفاده کنند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.