共 19 篇文章
解读证监会 2026 年 10 月 26 日发布即实施的金融行业推荐性标准 JR/T 0357—2026：五项总体原则、合规数据算法模态安全运营六维评估体系、应与宜的强弱区分、附录指标与合规义务清单，并分析其对 MCP、A2A 与智能体选型的意义、局限及机构落地清单。
2026年10月29日，法国Mistral AI开源万亿参数旗舰模型Large 4权重。它是1.05万亿总参数、49B激活的MoE，100万token上下文，支持图文输入，在欧洲自有数据中心用约3800块Blackwell GPU训练。本文拆解其规格、部署算力账、非Apache许可证陷阱，以及西方最强开源排除中国模型的叙事，并给出银行要不要把万亿开源模型搬回机房的判断。
2026年10月13日路透社报道，美联储、OCC、FDIC向大中小银行问询：能否追踪审计智能体决策、如何把智能体约束在权限内、关键决策是否有人参与、如何关停自主系统。背景是4月SR 26-2模型风险管理指引明确把生成式与智能体AI排除在外，相关信息征询截至10月24日尚未落地，约三分之一银行认为关停开关最薄弱。本文梳理可关停、可审计、可恢复的技术骨架，并对照FSB十二项实践与国内监管给出落地清单。
9月29日，特朗普与谷歌、英伟达、Anthropic、OpenAI、xAI等六家公司签署《超级智能协议》，以一页纸自愿协议确立内控、内部合规、外部审计、董事会监督四层防护；同日签署行政令《开启超级智能时代》，将联邦用语中的AI改为“超级智能/SI”，60天内提交立法定义。10月4日又由国家情报总监克莱顿领导超级智能工作组，120天内提交风险与机遇报告。本文解析该治理框架对银行的启示。
基点起源（AlignBase）是一家 2025 年 3 月成立的工业 AI 公司，主张由 AI 直接读取企业原始数据、自动识别生产要素、拼成 DAG 模型网络并在数字孪生上用强化学习寻优。本文依据创始人访谈、融资稿与两项专利还原其三层架构、三步流程与数据原则，区分可核实事实与自述效果，并结合新加坡 MAS 与台湾金管会的最新要求，分析这套范式对银行风险建模与模型风险管理的借鉴价值和边界。
新加坡金管局 2026 年 10 月 7 日发布的《人工智能风险管理指引》共六章。本文逐段通读终稿正文及其脚注，对照 2025 年 11 月咨询稿与意见反馈答复，拆解 AI 定义与“影响测试”、董事会与高管职责、识别—清单—重要性评估三件套、十三类生命周期控制及智能体条款，归纳监管取舍逻辑，并给出银行可执行的落地清单。
DeepSeek 于 2026 年 8 月 13 日开源智能体运行时 DeepSeek Harness（dsh），以“万物皆插件”架构把模型、工具、会话日志与智能体循环都做成可替换插件，并以“模型可见即已记录”保证可审计。本文梳理其功能与特点，分析在信贷、反洗钱、合规、市场风险与模型风险管理中的落地场景，并提出银行部署前必须完成的改造与优化。
面向银行资产保全专业领域，回答两个被反复混淆的问题：本地部署的大模型还需不需要微调？有了 harness 工程是否就不必微调基座？本文以三篇 arXiv 论文为一手证据（Harness-R1 报告原始 Qwen3.5-9B 成功率 44.3%→53.6%，而在目标智能体微调之后再叠加专用 harness 工程师，仍从 59.2% 提升到 64.2%），论证两者是叠加而非替代，并以 Harness-Zero 的 harness 蒸馏说明边界可渗透；再据两份二手解读梳理 SR 26-2 的范围与治理不对称性，最后给出资产保全四类任务的分型判据、决策次序与三条线行动清单。
以 6 份已归档材料为唯一来源：先忠实转述一份 X 个人技术长文中 SFT 与 RFT 之路、GRPO、ART 架构与 RULER 机制，并把'小模型微调可胜过百倍大模型'标注为作者主张而非行业定论；再把资产保全的选型问题拆成六项约束，据 QLoRA 与显存档位推出规模区间与六步决策规则，并反对一上来买大卡、按榜单选规模、从全参微调起步。
以预印本 arXiv:2607.27853《FinanceHarness》为主锚，配合代码仓库、GitHub 元数据、FinanceGym 官方基准站、Microsoft Learn、AgentScope 技术博客、MCP 金融服务兴趣组章程与一篇技术社区二手文章共 9 份归档来源，拆解金融深度研究 harness 的分层栈、端到端三构件与严格时点契约；据同一开源权重基座 25.3%→32.4% 的论文自报数据论证 harness 是一阶杠杆，再用五条可迁移原则与三条最易踩的坑，推出银行资产保全版落地次序。
以 NTT DATA 观点文章、三星 SDS 韩文洞察报告、Jinba 厂商博客、工商时报对台新银行数位科技长李正国的报道及 supermemoryai/company-brain 开源说明为全部素材，拆解 Company Brain 针对 Context Silo 与组织记忆依赖个人的痛点、其共享上下文基础设施定位与功能形态，并以台新脑“查算核写、单独量测单独回退”的落地范式为对照，提出银行智能风控的六项启示与五条不可自动化边界。厂商量化口径均标注未经独立核实。
以国家金融监督管理总局上海监管局《推动上海银行业保险业人工智能应用的若干措施》（沪金发〔2026〕19号）16 条原文为唯一事实来源，剥离“鼓励”与“应当”，拎出第（十）至（十三）条的 10 项新增硬性义务：生成式模型备案登记覆盖自研、微调、私有化部署、API 调用四种情形，高风险场景须经风险管理委员会批准，面客场景上线前报告，外包名单制与风险隔离“防火墙”，并给出 30、90、180 天落地清单。
Datawhale 长文《RSI 从 0 理一遍》拆解了递归自我改进的四层标准与五次边界推进：持久改进、自主闭环已经出现，递归增益尚无证据，稳健可控远未解决。对金融业而言，答案不是简单的要与不要：经验持久化与有界闭环正是风控与合规急需的能力，而递归增益与开放式 RSI 则是必须设防的禁区。
前 OpenAI 研究员发布 System One 模型 JEV：只输出带概率的类型化决策、不生成文本，延迟 70-500ms，输入价 $0.042/百万 token。对银行反欺诈、路由、Agent 监控与模型风险管理意味着什么？
阿里 Accio 团队开源 Occamy-1.0，35B 规模模型在长流程 Co-work 任务上逼近前沿大模型。以银行为场景，拆解长流程智能体能否胜任信贷、合规、运营等业务的关键判据，以及银行业适配改造的完整路径与治理边界。
从 Mustafa Suleyman 提出 Humanist Superintelligence 愿景，到微软 AI 发布《Humanist AI Code of Conduct》草案并开放公众咨询，人本主义 AI 正在从理念走向可操作的治理框架。拆解其指令层级、绝对约束与人类控制要求，并映射到金融行业的风险管理、模型治理与供应商管理实践。
腾讯混元基于 Qwen3.5-122B-A10B 后训练出终端智能体 T1，Terminal-Bench 2.1 任务完成率 64.0%，逼近 Claude 旗舰。拆解长程强化学习、训练推理一致性等技术突破对银行复杂流程自动化的启示，以及部署终端 Agent 前必须回答的治理问题。
从参数、上下文、记忆、Skill 到 Harness 代码，拆解 RSI 五条进化路径在银行业的适配度，给出金融场景下的版本治理、教师主导与合规边界。
以算法、数据、算力治理与环境、社会、机制多层维度为骨架，构建银行AI治理的三向闭环：银行应用大模型的前向影响、以 Anthropic Mythos 为代表的反向系统冲击、以及银行作为AI产业链资金中枢所承受与传导的侧向影响（含 Fable 5.1 密码能力与后量子加密迁移）。