跳到正文
    Ertas

    來自實作的
    思考與記錄。

    指南、研究筆記,以及我們在建立模型時學到的經驗。

    AML 交易監控微調:減少誤報

    銀行每年在 AML 合規上花費超過 300 億美元,而基於規則的系統產生 95% 以上的誤報率。學習如何微調本地模型以將誤報減少 40-60%,同時保持 99% 以上的真陽性捕獲——無需將交易資料發送到雲 API。

    閱讀文章

    SOC 2 與 AI:為什麼金融機構需要本地模型部署

    您添加的每個 AI API 都會擴大您的 SOC 2 審計範圍。本地模型部署將 AI 能力保持在您現有的安全邊界內——沒有新供應商,沒有新的風險評估,沒有範圍蔓延。以下是如何部署審計員會批准的 AI。

    閱讀文章

    金融服務AI代理商機會:合規優先定位

    金融服務公司在合規上的支出超過任何其他行業。他們需要AI但不能使用雲端API。了解金融法規的代理商擁有500億美元以上的市場開口。以下是您的操作手冊。

    閱讀文章

    模型蒸餾:服務條款與智慧財產權法

    OpenAI、Anthropic、Mistral 與 xAI 的服務條款對模型蒸餾究竟禁止了什麼,為什麼著作權在這裡幾乎派不上用場,以及開源授權在哪些地方真正給你留下了合法的自由空間。

    閱讀文章