通过自我纠正的AI工作流来增强贸易捕获

通过自我纠正的AI工作流程

Jessie A Ellis Jun 04，2025 16:03

贸易条目中的AI

贸易条目构成了财务“ what-if”分析的关键部分，其中对潜在贸易进行了评估，以影响其对风险和资本要求的影响。传统上，贸易描述是自由形式和多样的，使自动化变得困难。像NVIDIA的NIM这样的AI模型正在使用与交易系统兼容的结构化数据来解释这些描述。

例如，贸易描述可能会说，“我们在100m上支付了5Y固定的3％与100m的SOFR，自1月10日，1月10日，“描述利率交换”。挑战在于缺乏预定格式，因为可以通过多种方式描述相同的交易，因此需要通过AI模型对解决AI幻觉的细微理解。错误的假设。 AI的一个值得注意的错误将不正确地增加了一年的交易开始日期，突出了上下文感知处理处理的重要性。

来抵消这些问题，NVIDIA提出了一种自我纠正方法，促使AI与准确反映输入的数据字典产生字符串模板。此方法可确保在后处理中处理任何其他逻辑，例如日期解释，大大减少了错误。

部署AI模型

nvidia的NIM提供了一个平台，提供了一个平台，用于部署具有低延迟的AI模型和高通量的AI，并支持各种型号。这种灵活性使用户可以平衡准确性和速度，而自我校正的工作流程表明，错误和改进的F1分数降低了20-25％。

通过几次学习，在其中为输入和输出提供了示例，性能进一步增强。经过专门培训推理的模型，例如DeepSeek-R1，显示出卓越的精度，P

结论

在基于AI的贸易捕获系统中的集成标志着显着的进步，降低了错误并提高准确性。 NVIDIA鼓励在金融工作流程中采用这种方法，利用其模型API进行本地部署。

更多地了解金融服务中的AI应用程序，NVIDIA邀请行业专业人员参加GTC Paris活动，以提供有关生产AI及其在生产环境中的部署的SESSIONT，以提供。