主题介绍：
随着大模型技术的发展，风控体系正在从传统基于规则、特征、机器学习、深度学习、大模型的审核方式，向更加智能、自动化的方向演进。传统风控手段在处理复杂场景、隐晦违规表达、多模态内容等方面存在局限性。大模型的引入使审核转向深度语义理解和多模态分析，大幅提升了系统对文本、图像、视频等多模态数据的解析能力，实现更加精准、高效的审核。
本次演讲将基于风控核心业务场景，如广告内容审核、风险检测等，深入探讨大模型如何开展内容识别（控风险）、提升审核效率（提效率）、增强审核可解释性（促体验），并剖析大模型在训练、推理、部署、决策优化等全方面面临的技术挑战和解决方案。
主题大纲：
1. 围绕大模型对文本、图像、视频多种模态深度语义理解能力，建设风控自研大模型基座，提升风控体系对复杂风险场景的理解能力，构建精准的风险检测能力；
2. 基于大模型的强大学习能力，对不同模态的内容进行深度学习，增强对违规文本、隐晦表达、图像风险元素、视频场景理解的识别能力，提高审核覆盖面；
3. 利用大模型提升审核效率，优化人工审核流程，辅助人工快速审核，增强审核结果的可解释性，推动审核向智能化、自动化升级；
4. 探索大模型在风控应用中的训练方法、推理部署优化、决策链路改进，提高模型的稳定性、时效性和可控性，降低误判率，提升整体风控体系的可靠性，为大模型相似场景应用提供解决思路；
5. 探讨大模型在风控领域的发展方向与实践路径，包括模型轻量化、跨模态融合、风险识别能力增强、可控性优化等，推动风控审核技术的持续升级。
听众收益：
1. 了解大模型在风控审核中的应用价值和发展趋势；
2. 了解大模型在风控审核中的技术挑战和优化方向；
3. 了解大模型在内容识别、风险检测上的发展路径与实践经验。
