蚂蚁数科在CCF中国数据大会上开源了Agentar-SQL系列，专注于文本转SQL技术，全球NL2SQL评测准确率超过92%。该公司致力于金融领域的AI技术落地，已为多家银行提供服务，并探索公共交通和能源领域的应用。其按效果付费模式降低了AI应用门槛，促进了产业合作，展现出强大的市场竞争力。

2025 Inclusion·外滩大会将于9月10日至13日在上海举行，主题为AI驱动的网络安全变革。论坛将探讨AI技术带来的安全挑战及应对措施，强调技术研发与安全协同，推动金融领域可信应用标准，以确保AI时代的安全与发展。

该职位为中台交易监控开发，要求具备从零开始搭建风控系统的经验，需具备架构设计能力，金融领域背景者优先，直接向CTO或CEO汇报。

最新报告指出，DDoS攻击正日益针对全球金融领域，攻击者通过复杂策略瘫痪在线服务，导致用户信任下降和利润损失。2024年，金融服务行业成为主要目标，攻击量显著增加，尤其是API和客户门户的攻击增长58%。FS-ISAC与Akamai推出五级DDoS成熟度模型，以提升金融机构的防御能力。

本研究探讨了人工智能系统公平性的问题，提出了一种基于论证的动态保障方法。通过系统工程框架，研究展示了在需求规划和持续监控阶段进行公平性治理的有效性，并在金融领域进行了案例验证。

本研究提出DianJin-R1框架，以提升大型语言模型在金融领域的推理能力。通过监督和强化学习方法，DianJin-R1在复杂金融任务中表现优于传统模型，证明了其在实际应用中的有效性和可扩展性。

本研究探讨了基于大型语言模型的人工智能顾问在金融领域的有效性。尽管这些顾问在引导用户需求方面表现良好，但在提供个性化投资建议时仍存在不足，尤其是当用户对建议质量不敏感时，可能导致不适合的资产选择。

本研究提出FINDAP方法，解决金融领域大语言模型的领域自适应后训练挑战。通过识别核心能力并构建评估体系，采用数据蒸馏训练方案，使模型Llama-Fin在多项金融任务中表现优异，为LLM领域适应提供了重要见解。

百川智能推出的Baichuan4-Finance大模型在金融领域表现优异，准确率超越GPT-4o近20%。其成功源于创新的领域自约束训练方案，提升了专业能力并保持通用性。该模型在文档审核、风险识别和客户服务等方面显著提高了效率和客户体验，展现了强大的应用潜力。

本研究提出了OmniEval评估基准，旨在解决大型语言模型在金融领域知识不足的问题。该基准通过多维度评估框架，结合自动生成与人工标注，提高评估准确性，全面反映RAG系统在不同金融主题和任务中的表现差异，推动模型能力提升。

本研究提出CALM方法，通过交叉注意力增强语言模型在金融领域的适应性，显著提升了模型在多数据集上的表现。

本研究提出了一种新型BAM嵌入，针对金融领域文本嵌入的不足，经过14.3M数据集调整，Recall@1达到62.8%，显著优于OpenAI的通用嵌入，问答准确率提高8%。

国产AI搜索在勾股定理的新证明上表现出色，提供详细背景和清晰步骤，超越了ChatGPT和Perplexity。其高级搜索功能整合了大量专业数据，支持复杂问题分析，尤其在金融领域展现出强大能力，能够实时提供关键数据和深度解析。天工AI通过多层次技术确保信息的准确性和权威性，满足用户需求。

本研究提出了SubjECTive-QA数据集，以解决收益电话会议记录中主观回答透明性不足的问题。分析了49,446条问答对，结果显示最佳预训练语言模型在高主观性特征上表现优于低主观性特征，表明该方法在金融领域外也具有广泛适用性。

通过外部工具增强语言模型可以减少金融领域的误差和幻觉。研究对 LLaMA-2 13B Chat 模型进行监督微调，使其成为“任务路由器”和“任务解决器”。使用金融问答数据集，模型 Raven 相比基准和基线模型分别提升了 35.2% 和 5.06%，并能与 GPT-3.5 竞争。这是首次在金融领域探索工具增强的研究。