点击购买,资源将自动在新窗口打开.
获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
银行可以访问交易流中的大量数据,从而深入了解客户的行为、短期愿望和长期需求。实验表明,作为大型语言模型的基础的变换器网络可用于充分利用交易数据,同时取代传统机器学习来生成风险评分和产品倾向模型。生成的模型不会具有语言模型的形式,但可以将预测精度提升到一个新的水平,并减少构建传统模型所需的数据工程。然而,要实现这些好处,需要大量的交易数据,相当于拥有 1 亿客户的银行多年的历史记录。这可能会导致大型银行和供应商之间出现新的竞争维度,或促使银行探索联邦学习。
主要关键词