熱門資訊> 正文
2026-11-06 21:01
11月4日,奇富科技正式開源自動建模Agent ModelEvo 2.0。新版本面向結構化與表格數據,在標準化建模流程的基礎上,進一步實現自主搜索、可信評估與跨任務經驗積累複用。用户明確業務目標、提供建模樣本與驗證方案后,Agent可在給定預算內分析數據、規劃實驗並持續優化,對通過確認與交付校驗的方案輸出模型成果及完整實驗記錄。
此次升級,不僅是建模工具的能力拓展,更是奇富科技推動大模型從輔助編程走向複雜業務實踐的一次探索,為業務建模從依賴個人經驗邁向自動化、證據化和智能化提供了新的路徑。
從流程自動化走向自主進化,釋放數據價值
傳統業務建模高度依賴專家經驗,從理解數據到構建特徵、優化模型,需要反覆探索與驗證。ModelEvo 1.0將專家經驗沉澱為標準化技能,2.0則進一步把「如何持續提升效果」納入自主探索範圍,根據數據特點和實驗反饋調整方向,讓建模從執行既定流程走向持續探索。
面向真實業務,ModelEvo 2.0優先挖掘數據中的有效信息,再優化模型與超參數,圍繞特徵構造和數據組織方式開展實驗。這有助於減少重複探索,讓算法人員將更多精力投入業務理解與創新。
在本次五個公開數據集、固定數據切分的冷啟動評測中,ModelEvo 2.0在六個單模型參評方案中取得1.60的最佳平均名次,並在三個數據集上排名第一。其中,在包含歷史明細數據的信貸違約預測任務中,較兩個大模型建模Agent的單模型對照方案均高出0.025以上,展現出處理複雜業務數據的能力。
以可信機制支撐業務應用,讓效果經得起檢驗
大模型進入業務建模,需要同時關注效果提升與結果可靠性。ModelEvo 2.0堅持「大模型負責提案,代碼負責裁決」,通過統計檢驗、選擇校正、獨立復現和測試集隔離等機制,降低偶然高分與數據泄漏的風險。在方案凍結后,系統開展一次性最終留出評估,並完整記錄實驗過程,為複覈結果、追溯優化依據提供支持。
這一設計將效果驗證與交付校驗納入自動建模流程,為金融等對模型質量、結果追溯和風險管理要求較高的場景提供工程支撐。
在奇富科技內部信貸業務數據上,ModelEvo 2.0已能穩定交付優於基線的模型。
跨任務積累複用經驗,沉澱長期技術資產
此次升級還引入跨任務經驗複用機制。啟用經驗庫后,系統可以保存建模原則、實驗依據與模型配方,為后續任務提供參考。歷史方法進入新任務時,仍需在當前數據上重新驗證,使經驗積累與效果檢驗形成持續循環。
這一設計將單次建模與長期能力建設聯繫起來。在同一業務的后續迭代中,歷史實驗經驗可為特徵構造和模型優化提供探索起點;一次實驗產生的價值,也可以通過記錄、檢索和再驗證延伸至后續任務,幫助團隊積累更容易傳承和複用的技術資產。在同一業務的后續迭代中,藉助歷史實驗經驗,達到最終效果所需時間縮短至原來的約六分之一。
奇富科技增長算法負責人王耀宣表示:「讓大模型寫代碼變得容易,但讓模型效果持續提升,並且經得起檢驗,仍然是一件嚴肅的事。ModelEvo 2.0想做的,是讓大模型大膽地提出假設,再用嚴格的統計和工程紀律去檢驗,並把每一次有效的經驗積累下來,形成持續進化的能力。」
以開源促進能力共享,推動行業協同創新
從業務實踐中提煉方法,再以開源推動共享,奇富科技希望讓專家經驗轉化為開放、可持續演進的技術能力。未來,ModelEvo將持續完善特徵算子與評測體系,在更多場景中驗證經驗遷移效果,為大模型深入產業應用提供實踐參考。
校對 盧茜