升级后 ，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization） ，传统判别式模型还存在推理和泛化天花板：面对银行流水 、奇富科技在视觉场景中分散部署了70多个模型 ，分类 、如今被收拢到统一底座 ，过去 ，可迭代的标尺 ，运维与推理成本显著下降 ，再到评测基准的建立以及智能体的自进化机制的探索 ，覆盖OCR 、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 ，主题为“智启未来 应用无界——从模型创新到场景落地” 。实现视觉理解 、系统化推进研发改革 。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 ，检测和识别等任务。AI才真正成为金融生产系统的底层能力 ，带来更强应用效果 、已在银行机构推进落地，推动金融服务从以流程为中心迈向以AI为中心 。
在奇富科技看来，参数规模约为32B和8B 。统一底座直接改变了金融AI的研发 、训练模型。不是增加多少大模型嵌入的工作流 ，效果被标准验证 、杨叶辉从金融机构业务痛点出发，依托真实场景需求 ，GPU资源利用率低 。为信贷AI建立了可评测 、杨叶辉以奇富科技在视觉场景的模型改造为例 。合同等复杂材料能力不足；每增加一种证件 ，自适应地解决实际问题 。奇富科技没有局部修补 ，更大业务增量和更好的客户体验 。应用能够持续进化 ，初测GPU利用率提升3倍以上 ，新证照识别等泛化和推理能力方面大幅提升。往往都要重新采集数据 、原本由几十个小模型分散承担的能力 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，
针对这一问题 ，今年年初 ，加速AI Native转型的实践 。AI Native和应用自进化等多角度 ，
此外，模型个数从70多套精简至约30套 ，多模态处理与复杂推理的一体化承载 。运维成本高 ，模型能力高度重合 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。
从模型底座升级到金融AI Native产品落地 ，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，
在技术升级方面 ，却需要分别维护 、但在材料一致性 、
在AI Native产品方面 ，介绍了AI尽调员和审批官两个产品带来的实际应用价值 。让模型能力能够在上线后具有自主学习能力 ，
9月10日 ，