Jiangsu Suning Bank leest kredietdossiers met DeepSeek-VL2, met een herkenningsnauwkeurigheid boven 97%

Het probleem

Banken moeten grote stapels papierwerk lezen voordat ze lenen. Kredietaanvragen komen binnen als scans, foto's en tabellen die in andere tabellen zijn genest. De bank zegt dat haar eerdere tekstherkenningssoftware, bekend als OCR, worstelde met lage herkenningspercentages voor tabellen, handschrift en gefotografeerde documenten.

Wat ze bouwden

Jiangsu Suning Bank, in de bron 苏商银行 genoemd, past DeepSeek-VL2 toe op kredietmateriaal. DeepSeek-VL2 is een multimodaal model, wat betekent dat het tekst en beeld samen verwerkt. DeepSeek brengt het uit als model met open gewichten, zodat de bank de bestanden zelf kan draaien en aanpassen. Het model leest geneste tabellen en beeldbestanden en haalt de inhoud eruit.

Hoe ze het aanpakten

Het artikel geeft weinig technische details. De bank beschrijft het combineren van het multimodale model met een mixture-of-experts-ontwerp, een aanpak waarbij verschillende delen van een model verschillende soorten invoer verwerken. Team, kosten en tijdlijn noemt ze niet. Het artikel zegt dat banken in het algemeen aan het begin voorzichtig zijn, eerst een paar scenario's kiezen en het gebruik later uitbreiden.

Resultaten

Een vertegenwoordiger van de bank zegt dat de totale herkenningsnauwkeurigheid voor kredietmateriaal steeg tot boven 97%. Dezelfde persoon zegt dat de efficiëntie van het hele kredietbeoordelingsproces met 20% verbeterde. Dit zijn uitspraken van de bank zelf, doorgegeven door de krant. Er zijn geen voor-en-nagegevens, steekproef of meetperiode gepubliceerd.