[AI簡報] SelectStar 在資料探勘領域學會獲認金融 AI 安全性評估成果肯定

IT Daily 提供彙整國內外主要 AI 消息的專欄「AI Brief」。

在這個專欄的一則內容中，SelectStar 於 5 日宣布，其金融 AI 安全性評估研究論文獲選為「IEEE ICDM 2026」主會議論文。「IEEE ICDM 2026」是資料探勘領域具世界權威的學會。

該論文被選為口頭發表論文，約占全部投稿作品的 8.9%。

隨文刊出的照片介紹了金融 AI 安全性評估框架「FinRED」的技術架構圖。該示意圖顯示，「FinRED」包含金融風險情境生成、以專家為導向的評估標準建立，以及 AI 模型安全性驗證流程。照片來源為 SelectStar。

由 SelectStar AI 研究團隊、金融保安院與 KAIST 共同研究的獲選論文名稱為「FinRED: An Expert-Guided Benchmark Generation and Evaluation Framework for Financial LLM Red-Teaming（金融 LLM 紅隊測試用的專家導向基準生成與評估框架）」。這項研究提出金融專用 LLM 安全性的系統化評估技術，並提出用於檢查金融領域專用 LLM 安全性的體系。

為此，研究團隊結合金融保安專家知識與實際金融文件，建立了用於生成風險情境的「FinRED」框架。FinRED 以金融專家判斷作為反映於評估標準的要素，目的在於評估 AI 生成回答是否支持實際的風險行為，並可綜合判定 AI 回答的有害性與是否支持風險行為。

SelectStar 說明，這次研究也在 AI 生成回答風險評估過程中證明了成果。FinRED 的金融專用評估標準，相較於既有通用評估方式，提高了與金融保安專家判斷的一致率。一致率從 76.92% 上升至 88.46%，增加幅度為 11.54%p。

此外，將危險回答誤判為安全的案例，較過去約減少 57%。因此，FinRED 的金融專用評估標準被證實比通用方式更接近金融保安專家的判斷，同時也減少了對危險回答的誤判。

韓國深度學習於 5 日宣布，已與新韓越南金融（SVFC）進行與金融業務相關的 PoC。這次執行是透過新韓金融集團全球新創育成平台「新韓 Futures Lab Vietnam」完成。

這項計畫是由新韓越南銀行與首爾經濟振興院（SBA）主辦、主導的全球開放創新事業。該計畫是為了因應新韓越南金融的技術需求，支援國內新創與海外金融機構之間的合作及技術實證而設立。

韓國深度學習表示，已與新韓卡越南子公司新韓越南金融進行金融業務自動化 PoC。此次 PoC 的目的在於驗證韓國深度學習技術的可用性。實證中套用了韓國深度學習的「Deep Agent」。

「Deep Agent」以 AI 資訊辨識技術「Deep OCR」與結構分析技術「Deep Parser」為構成基礎。這套解決方案具備從各式文件擷取並結構化必要資訊，並將擷取、結構化後的資訊與實際業務處理流程連結的功能。這次實證檢視了越南當地金融業務用資訊處理、資料運用，以及後續業務自動化技術的適用可能性。

韓國深度學習計畫以這次成果為基礎，擴大包含越南在內的海外金融市場事業機會。為此，該公司將運用已對國內企業與公家機關累積的技術與建置經驗，並尋找符合當地金融機構工作環境與營運需求的解決方案導入方式。同時，也將擴大與海外合作夥伴的合作機會。

（照片：Infosis）

Infosis 於 5 日宣布，將參加國際電力、能源技術博覽會「Bixpo 2026」。Infosis 預計公開與韓國電力公社共同推進的「人工智慧基礎虛擬電網」實證事業成果。

在電力系統業務中，需要綜合檢討輸配電設備複雜的連結關係與營運標準。在這個過程中，同一設備在不同系統中的名稱不同，以及設備間連結資訊分散於多份資料中，被提出為問題。

因此，一旦對連結關係產生誤解，就可能漏掉應列入檢討的設備。反過來說，實際上並未連結的設備也可能被納入分析。

Infosis 為因應這些問題，參與了韓電的國家電力網 AI 高度化事業。該事業導入了本體論基礎資料建模技術。

Infosis 將電力設備間的連結關係與營運、技術標準，結構化為單一語意體系。以此為基礎，設計 AI 依照實際設備關係與檢討標準查詢並分析資訊。

Infosis 是韓電 AI 基礎虛擬電網實證事業的執行公司。Infosis 在這項事業中負責本體論基礎電網資料結構化與 AI 代理人開發。該事業預計於 11 月中完成。

Infosis 代表卓正洙表示，將擴大本體論基礎企業 AI 的應用。擴大應用的對象為需要高階資料處理能力與高準確度的主要產業領域。

Yejin 公開了以自家韓語模型為基礎的法規導覽服務「Jelly Law Assistant」。Yejin 於 5 日宣布，將免費提供「Jelly Law Assistant」。「Jelly Law Assistant」所使用的模型，是 Yejin 自主開發的韓語基礎模型「Yejin 8B v3」。「Jelly Law Assistant」具備僅透過自然語言提問即可搜尋相關法規條文的功能。

Yejin 說明，「Yejin 8B v3」未使用海外公開模型權重。此外，「Yejin 8B v3」是 From-Scratch 預訓練模型。

Jelly Law Assistant 是面向不熟悉法規用語的一般民眾與實務工作者的服務。使用者只要輸入自然語言情境，系統便會以結合 RAG 與法規專用 sLM 的方式，整理並提供相關現行法規條文與依據。

根據 Yejin，這項服務是以抑制幻覺為目的設計。為此，系統採用生成溫度固定為 0 的方式，並在檢索到的條文範圍內採取直接回答的 No-Think 設計。

基礎模型為 Yejin 8B v3。該模型在搭載 8 張 NVIDIA H200 GPU 的單一節點環境中開發，並以 839 億個 token 進行訓練。

tokenizer 是自家設計、詞彙量 6 萬4000 的韓語數字分離型。公司主張，透過這個 tokenizer，相較於 Llama 3 等，可將處理韓語法規文件所需的 token 數量減少 24% 至 38%。照片標示為 Difly。文中也提到，Difly 已向全球港口業者提供音響分析 AI 解決方案「Listen AI」。

Difly 已向一家全球大型港口業者供應自家的工業音響分析 AI 解決方案「Listen AI」。該港口業者正在釜山營運港灣設施，Difly 於 5 日宣布，計畫針對自動化起重機設備執行以聲音為基礎的預知保全。

Listen AI 是用於工業零件品質檢查、連接器與螺栓鎖固聲檢查，以及預知保全的解決方案。該解決方案即使在 80 dB 以上的噪音環境中，也能精確擷取目標聲音，並套用區分異常聲與正常聲的技法。適用產業領域包括移動、家電、港口、機器人與設備。

Listen AI 已部署於全球港口業者營運的釜山新港 1 座碼頭。對象為無人化自動化場橋，預知保全對象部位為 hoist（起吊裝置）驅動部。安裝設備則是在 2 台馬達與減速機上分別裝設聲音感測器。

營運方式為 24 小時持續錄音。每天約 300 次 hoisting cycle 區段會被自動辨識與分析，若發生異常聲，便會向碼頭 CMS（起重機監控系統）與遠端辦公室發送通知，以引導採取處置。

來源: IT DAILY · Yang Seung-gap 原文: https://www.itdaily.kr/news/articleView.html?idxno=242708

參考資料

• https://www.itdaily.kr/news/articleView.html?idxno=242708