《银行科技研究社》消息：近日，江苏银行透露，其已在2个场景应用DeepSeek大模型。 据悉，江苏银行依托“智慧小苏”大模型服务平台，成功本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别运用于智能合同质检和自动化估值对账场景中。具体而言： 一是运用多模态模型实现合同质检智能化。“智慧小苏”通过DeepSeek-VL2多模态模型的细粒度文档理解能力解决了传统模型在非制式合同中存在合并单元格、跨页表格等多结构表格内容识别准确率不足、精度局限的问题，将嵌套表格、手写体混合排版等复杂场景的识别成功率提升至较高水平。通过创新的多模态技术与混合专家框架，识别综合准确率升至96%，较传统方案提升12个百分点。利用识别结果结合外部数据等方式智能检测校验合同信息，对风险较高的交易提前发出预警，有效防范潜在的信贷风险。利用DeepSeek模型优化后，识别及预警响应速度提升20%，助力分支行更高效地完成受托支付合规性审核。 二是运用推理模型实现托管资产估值对账自动化。“智慧小苏”通过轻量化DeepSeek-R1推理模型引擎的高效计算特性完成资产托管估值信息自动化解析录入、自动化对账。传统资产托管估值对账依赖人工处理每日超2000封差异化邮件，对TA信息、交易信息、估值信息等区分后手工录入比对，存在录入工作量大、对账异常回溯困难等问题。江苏银行应用R1推理模型，结合邮件网关解析处理能力，实现邮件分类、产品匹配、交易录入、估值表解析对账全链路自动化处理，识别成功率达90%以上，目前已初步实现业务集中运营，按照平均手工操作水平测算，每天可节约9.68小时工作量。 据介绍，江苏银行此次引入DeepSeek大模型，使得“智慧小苏”在复杂多模态、多任务场景处理能力、算力节约、效能等方面再次提升。DeepSeek-VL2多模态模型的优势在于，能同时处理文本、图像、语音等多种数据类型，较单一领域模型部署节约了算力成本，为进一步解决金融领域复杂的多模态场景问题（如票据识别、合同解析等）提供了技术基础；DeepSeek-R1模型，则在模型规模和性能上具备优势，为处理复杂任务（如风险评估、投资分析）和生成文本（如报告撰写、合规审查）提供更优解决方案。 据《银行科技研究社》了解，作为头部城商行之一，江苏银行在大模型研究应用上比较积极，近年顺势推出了“智慧小苏”。“智慧小苏”是该行自主研发的大模型服务平台，于2023年4月投产，并实现客服场景首次应用。“智慧小苏”平台构建了基础设施层、工具层、模型层、服务层与应用层5层架构。 在该平台的支撑下，江苏银行大模型应用场景不断上新。 2024年5月消息，“智慧小苏”平台增添新场景，上线“智能文档助手”助力企业授信，搭建“移动智库”提升用户体验。其中，基于大模型的“移动智库”可智能整合并提炼内外部规章制度、产品政策、操作流程等，其不仅能提供即时的信息检索服务，还能进行分析并生成建议，用于智能办公和客户服务领域。 2025年1月消息，江苏银行在多个场景应用“智慧小苏”大模型，使得该行风控能力再次升级。这些应用包括地址智能比对、合同智能质检、风控规则组件化等。 目前，江苏银行大模型技术应用已在近20个场景落地。