Kita 的 VLM 信用审查：当信用局不存在时，视觉模型如何解析银行对账单

📌 One-Sentence Summary Kita 使用视觉-语言模型来自动化从新兴市场的多样化、低质量贷款申请文档中提取财务数据，这些市场缺乏传统的信用局和标准化数据格式。 📝 Summary 在菲律宾和墨西哥等地区，信用审核依赖于借款人提交的文档，例如银行对账单和工资单，这些文档的格式和质量差异很大。Kita 的流水线采用视觉-语言模型来解析这些文档，提取结构化数据并将其与其它申请材料进行验证。该系统包括强大的错误处理、欺诈检测和人工审查的后备机制，从而能够在缺乏标准化财务数据基础设施的情况下，高效处理贷款申请。 💡 Main Points 低基础设施市场中的文档多样性 新兴市场的信用申请包含多种文档类型（PDF、图像、截图），且没有标准格式。这种多样性使得传统的 OCR 和基于模板的解析不可靠，需要一种更灵活的方法。 基于 VLM 的提取架构 Kita 的系统使用视觉-语言模型作为主要解析器，能够理解金融文档的上下文。该架构包括预处理、VLM 提取、跨文档验证，以及一个专门的欺诈检测层。 处理多页 PDF 和速率限制 为了管理长文档的处理并控制成本，Kita 将页面分批处理，实施分层重试逻辑，并根据预期的置信度路由文档，确保 API 资源的有效利用。 置信度评分和后备路径 该系统为提取的数据分配置信度分数。当置信度较低时，流程会升级到二级模型审查或人工干预，确保即使自动化失败，也能保持高质量的数据。 没有地面真相的欺诈检测 由于没有可靠的欺诈历史数据库，Kita 依靠启发式检查（元数据不一致、字体不匹配、重复模式）来识别潜在的欺诈文档。 💬 Key Quotes 技术挑战不仅仅是提取。它还包括在地面真相是模糊的区域银行工资单照片时，进行验证、欺诈检测和置信度评分。 VLM 不是孤立运行的。一个二级规则引擎会验证提取的金额是否在预期范围内，检查是否缺少必需字段，并为每个数据点分配置信度分数。 人工审查队列不是失败状态。这是一个有意设计的选择。贷款人更关心准确性而不是速度，95% 的自动化率加上高精度比 100% 的自动化率加上频繁错误要好。 📊 Article Meta AI Screening： 86 Source： DEV Community: machinelearning Author： mech.app Category： 人工智能 Language： 英文 Read Time： 6 min Word Count： 1308 Tags： AI 与智能应用 , 文档解析 , 金融科技 , 科技评论 , AI 工作流 Read Full Article