软通动力和国家融担基金联手打造了一套代偿补偿的智能审核体系，把日均处理的影像数量推高到了5000份以上，并且给出了非常亮眼的识别准确率：手写体是95%，印章是97%。这套系统特别厉害，因为版式变来变去基本不影响效果，就像没有变更一样。面对海量票据、格式总在变还有各种材料很难识别这三大难题，软通动力用了视觉大模型和机器学习的技术，把原来全靠人工反复比对的旧模式，换成了全自动、能不断升级的流水线。这次的跨越让审核效率提高了约40%，单字段识别准确率也超过了90%。银行回单能做到95%，身份证更是达到了99%以上。整个系统处理一个请求只需要1秒左右。 这系统不是单纯依赖一个大模型，而是把任务拆解成版面理解、方向矫正、文字提取和印章识别这几块。对于那些手写和印章混在一起的难搞票据，团队用上了多模态大模型，不再是按模板死抠细节，而是真正去理解文档的结构。不同格式的文件不用重新写规则就能直接用。他们还通过数据合成技术和定向调整，解决了印章样子多、方向乱以及开源数据少的难题。平台实现了票据自动分类并分发到对应的OCR产线进行处理。规则引擎负责交叉检查字段并发出预警信号，支持申诉、拒绝和提醒这些多种策略。 关键的是在做这一切的时候，数据始终没有离开核心区域。平台从刚开始的人工标注起步，到上线后自动找错误样本再到针对高频错误进行微调修复周期从传统的数周压缩到了数天内搞定。审核人员的工作方式也彻底变了：从每张都看变成重点复查；从累人的体力活变成了做价值判断；从被动执行变成了主动去优化改进。 软通动力用这个项目给智能财资、代偿补偿还有风险预警等更多金融场景提供了一套可复制的智能化转型路子。这个新范式包括了如何拆解子任务、怎么组合模型、如何进行规则校验以及如何形成数据闭环等内容。