共 11 篇文章
Passau大学与ITU测试：决策微调是否比重排序微调更适合做重排序器。用6个Qwen模型从0.6B到27B、10个TREC DL与BEIR集合。重排序微调在0.6B到9B上赢5到29个nDCG@10点，27B打平；决策微调在9B以下不超过未微调基线。校准优势取决于问题措辞，不能弥补排序质量差距。本文分析银行知识库重排序该用什么微调目标。
Cornell与ASAPP提出DecisionRAG，用决策模型做层级检索替代第一阶段检索器：不生成token，一次前向传播给候选打分，从宽主题逐层导航到文档和段落。在MultiDoc2Dial上比稠密检索加8B重排器高13.8个R@1点，Natural Questions上17.4个Hit@1点，检索仅0.7到1.8秒。本文分析它对银行制度库、合同库和客服知识库检索的意义。
Memvid是16900余星的开源AI智能体记忆层，用Rust编写、Apache-2.0许可。它把文档、嵌入向量、全文与向量索引、元数据和引擎全部打包进单个.mv2文件，替代复杂RAG流水线。其设计借鉴视频编码，以追加式不可变帧组织记忆，内置WAL恢复、BM25与HNSW检索、时间索引，支持时间旅行、离线嵌入、密码加密。本文解读其机制、性能口径及对银行审计、数据驻留和智能体记忆的价值与局限。
MSA（Memory Sparse Attention）是盛大集团旗下 EverMind 团队开源的长记忆框架，主张把检索和生成合进一个端到端可训练的稀疏注意力层，在 2 张 A800 上支撑 1 亿 token 的记忆推理。本文依据 GitHub 仓库、arXiv 论文与 Hugging Face 模型卡，拆解其架构、三阶段推理与 Memory Interleave 多跳机制，梳理实测数据与局限，并分析它对银行 RAG 知识库、长历史智能体和数据合规的意义。
大模型幻觉、RAG 引用失效制度、智能体依据过时流程办业务，本质都是知识的证成问题。本文借用知识论的六个经典理论——得到证成的真信念（JTB）、盖梯尔问题、可靠论、默会知识与 SECI、赖尔的“知道是什么/知道怎么做”、社会知识论与可谬论——逐一映射到银行知识资产的入库、分级、转化、使用与修正，提出一套为 AI 赋能提供知识保障的经营框架。
2026年10月6日，谷歌发布 EmbeddingGemma 2：Apache 2.0 开源的 740M 统一嵌入模型，把文本、代码、图像、视频、音频映射进同一 768 维空间，量化后全模态仅约 567MB 内存，官方支持 Unsloth 微调。本文核验其开源与微调能力，并分析对银行信贷资料拼图式语义分析、多模态语义图谱关联、风险预警检测的价值与落地路线。
接续《资产保全智能体的本体论与知识图谱怎么配套建》，回答被反复追问的架构问题：本体论形成的资产究竟该作为智能体的 RAG 知识库，还是 skill？本文的答案都不是——本体资产有三种用法，对应知识在生成链上的三个不同作用点：作为检索的骨架（OG-RAG 实证召回率 +55%、正确率 +40%）、作为校验的约束（SHACL 形状是唯一能承载监管硬约束的层）、作为能力的目录（Knowledge-as-Skill 指出传统知识库把文档暴露为匿名文本块、智能体根本不知道库里有什么）。给出一个三问判据判断每项知识该放哪一层，并把两个业务场景各自的三层配比算清楚：保全方案路径设计是生成型任务，骨架与目录占大头；核销转让审查是判断型任务，校验层占大头。
Utopia is an open-source enterprise world model: one Rust binary, one Postgres, a bitemporal knowledge graph with ontology at the base layer. 8,031 stars. Review with a banking lens.
结合《Understanding Tokenization》手册技术要点，拆解银行在构建 RAG 与智能知识底座时 Tokenization 的五条隐性传导路径，并给出确保质量效果的工程化清单。
深度解读北京大学DCAI团队开源的WorkSurface-Bench与WorkSurface-Build企业Agent评测基准：1,151个任务直面文档、表格、知识图谱三类数据入口，用Route/Evidence/Answer/Efficiency四维评分定位Agent失败环节，并探讨其对银行智能体工程落地的启示。
Chao Pih作为通信作者合著的《面向人工智能的数据治理框架》发表于《大数据》2025年第1期，提出覆盖AI全生命周期的六维数据治理框架。本文分析该框架对深入实施'人工智能+'行动、安全稳妥发展应用智能体的实践意义。