AI 企业案例14

应用场景：将复杂规则引擎驱动的金融风控决策流转化为AI可学习、可优化的动态策略体系

社区投稿案例

投稿方：tao · 服务商：阿里云 · 收录时间：2026/9/24

本案例信息由投稿方提供、平台整理，尚未经人工核实，重要信息请以原文为准。

上传类似案例

案例事实

1. 一句话摘要

投稿方未提供

2. 行业 + 企业规模

金融服务 · 近200人

3. AI 能力类型

智能体流程

4. 原来怎么干的

人工编写和维护516个节点、878项指标的耦合规则引擎，迭代周期长，响应滞后

5. AI 介入在哪一步

AI替代人工规则编写与维护环节，将BPMN决策流转为结构化语料训练大模型，实现规则自动挖掘与策略动态优化；其余风控执行、部署、监控等环节仍由原有系统与团队负责

6. 模型与架构

基于阿里云PAI平台，采用CPT继续预训练＋冷启动＋SFT监督微调＋RL强化学习（GRPO）多阶段框架；私有化部署；对接客户现有BPMN流程系统与风控执行引擎

7. 数据基础（必填项）

以客户真实BPMN决策流为源，重构超长上下文样本（80%样本超20K tokens，最长57K tokens）；未提及具体数据量及清洗标注投入

8. 效果

规则匹配准确率30% → 86.83%（测试集）；推理链路还原度98.51%（LCS统计口径）；AI生成策略在客户生产环境采纳率超75%

9. 投入

未明确说明人力、预算档位、周期及推理成本

10. 坑

超长上下文导致显存溢出；原始规则存在无规律符号、冗余逻辑与重复判断，影响语料结构化质量；初期规则匹配准确率不足30%

Reproduction Pack

下载 AI 企业案例14 复现资料

本案例的投稿文档与附带资产已整理为专属复现包，留资后即可下载。

00_说明.txt
01_关键信息.md
AI 企业案例14.docx

分享复现反馈

复现结果、失败条件或内容修正——案例因真实反馈持续改进，提交后即展示在案例页并进入社区动态。

怎么写一条有用的反馈

示例：「按复现包部署到测试环境，用 qwen-plus 跑通全流程；线索排序与案例描述一致，但导出报表需手工补字段。」

写清环境/模型、跑通到哪一步、与案例描述的差异即可；署名选填，匿名反馈同样展示；提交即公开，如需下架可联系平台。