一人多贷风险智能识别模型

基于职工风险行为数据集、业务明细数据集、房屋骗贷行为数据集，抽取职工贷款记录、多次贷款信息、关系图谱数据、行为序列特征、跨机构借贷信息、骗贷标记等权威数据。

• 业务域筛选 → 正负样本构造 → 统一标签标注 → 脱敏与合规性校验

形成一人多贷识别样本、违规判定样本、证据链样本、风险预警样本，科学划分为训练集、验证集与测试集。

将贷款管理规则、多次贷款约束条款、骗贷认定标准、关联关系判定逻辑、风险拦截要求等原始业务资料，通过高精度文档解析与标准化格式转换，加工形成大模型可理解的指令微调语料。

• 构建"职工信息输入→多贷风险输出→证据链输出"的标准化训练语料体系
• 实现公积金贷款风控知识向规范化、体系化转化

保证语料贴合贷前审核、风险拦截、资金安全管控的实际业务场景。

根据政务合规通用大模型结构与贷款风控类样本特点，科学配置关键微调参数：

• 训练轮次 · 确保模型充分学习样本特征
• 批次大小 · 平衡训练效率与内存占用
• 学习率 · 控制参数更新步长防止震荡
• 缩放因子 · 调节注意力分布精度

强化多贷识别、关联挖掘、证据链生成、风险判定等关键能力的训练权重。

采用线上训练与本地训练相结合的双轨模式：

• 非敏感数据 → 线上训练，充分利用云端算力提升效率
• 敏感数据 → 本地训练，涉及个人隐私与业务秘密确保数据不出域

以职工账号、证件类型及证件号码为模型输入，训练模型自动输出违规多次贷款标识、原因说明、证据信息，完成一人多贷风控领域知识注入。

建立多维度评估体系，采用自动化评测与人工复核相结合的方式，开展全面评估。 涵盖幻觉率、合规准确率、业务口径匹配度、识别准确率、召回率、证据完整率、拦截成功率七项核心指标，确保模型输出精准、合规、可靠。