#可解释性
共 6 篇相关文章
第 11 章 金融业:智能风控、尽调自动化、反金融犯罪与投研
本章一句话 :金融是 FDE 最先大规模落地、也是约束最重的行业;从 Anthropic FIS 的反金融犯罪 Agent,到城商行的智能风控与尽调自动化,FDE 在金融的价值=强合规下的真实 ROI。 11.1 金融业 AI 落地的特征与约束 金融业是 FDE 的"高价值 + 高约束"典型战场。理…
第 22 章 合规、安全与数据治理(OWASP MCP Top 10 / 等保 / 个保法 / 数安法)
本章一句话 :FDE 的系统能不能上生产、能不能续命,合规与安全是"一票否决"项——从《个人信息保护法》《数据安全法》到 OWASP MCP Top 10,本章给出 FDE 必须守住的安全合规底线。 22.1 FDE 面临的合规框架 FDE 在中国交付,必须对齐的合规框架: 《个人信息保护法》(PI…
深度专题二十一 知识图谱与 GraphRAG 深度实战
一句话定位:向量 RAG 回答"哪段话和问题最像",GraphRAG 回答"这些实体之间到底有什么关系、整份资料讲了什么"。前者是语义检索,后者是结构化推理。 一、为什么向量 RAG 不够 过去两年,基于向量嵌入(embedding)+ 相似度检索的 RAG 已经成为企业 AI 落地的标配。它的逻辑…
深度专题二十四 大模型应用的合规与伦理
一句话定位:FDE 把大模型塞进客户真实业务的那一刻,技术决策就变成了法律义务与伦理责任。本专题梳理中外法规红线、行业准入门槛、LLM 特有风险与负责任 AI 落地清单,目标是让一线工程师在驻场现场能"按图索骥地做合规",而不是把合规甩给法务事后补。 24.1 FDE 为什么必须把合规当成第一性约束…
深度专题四十七 对话式 AI 与智能体产品设计
47.1 从"聊天机器人"到"智能体产品"的范式转移 理解对话式 AI 与智能体产品设计的第一步,是先把两件常被混为一谈的事情拆开: 对话 是一种交互通道, 智能体(Agent) 是一种系统能力。前者回答"用户怎么告诉系统要什么",后者回答"系统能不能自己把事办了"。 过去十年,业内经历了三次明显的…
深度专题六十二 大模型应用的可解释性与因果
62.1 为什么可解释性是 AI 落地的硬要求 可解释性(Explainability / Interpretability)在 2024 年之前还常被视为"锦上添花"的工程点缀;到 2026 年,它已是 AI 落地不可绕开的硬约束。推动这一变化的不是技术审美,而是四股现实力量的合力。 第一股是 监…