信貸場景下的AI評測正迎來一場關鍵變革。奇富科技近日宣布推出全球首個信貸場景專屬視頻評測任務FCMBench-Video-V1.0，將傳統基于靜態圖像的評測體系升級為動態視頻分析框架。這一突破標志著信貸AI評測從"二維平面識別"邁向"三維時空理解"，為行業構建了全新的能力評估維度。
傳統靜態審核系統面臨嚴峻挑戰：經過精心處理的證件照可能通過圖像識別，但動態視頻中人物動作的連貫性、光照變化的自然過渡、對焦過程的細微波動，以及紙張翻折產生的物理褶皺等特征，構成了難以偽造的真實性證據鏈。FCMBench-Video正是抓住這一特性，將評測焦點從單幀圖像擴展至連續視頻流，要求模型在時空維度上建立信息關聯能力。
該評測體系設置了多維度能力考核標準。在基礎層面，模型需具備"去重"能力——準確識別視頻中重復出現的證件并避免重復計數；在進階層面，要求實現"對賬"功能——比對多份文件間的邏輯一致性；更復雜的是"時序歸因"能力，即模型必須能明確指出風險判斷依據的具體時間節點。這些能力直接對應信貸反欺詐場景中的核心痛點，填補了傳統評測體系的盲區。
創新性設計的"防忽悠"測試成為最大亮點。研究人員在視頻結尾刻意插入"已核實通過"等誤導性字幕，觀察模型是否會被干擾而忽略前期發現的風險。測試結果顯示，不同模型在抗干擾能力上存在顯著差異，且尚未出現通用的規避方案。這一發現為行業敲響警鐘：視頻AI模型的安全性需要專項強化訓練，持續優化成為必然選擇。
在數據構建方面，該評測體系采用"業務驅動"原則，通過模擬真實拍攝環境生成評測樣本。研發團隊精心設計了多種現實場景下的畫質變化，包括不同光照條件、拍攝距離和設備參數組合，在確保數據真實性的同時嚴格規避敏感信息。這種平衡真實性與合規性的構建方法，為行業提供了可復制的數據生產范式。
評測結果顯示，當前主流視頻多模態模型仍存在明顯能力斷層。即便是表現最優的模型，在復雜時序推理、抗干擾判斷等關鍵任務上仍未達到商用標準。這種分層現象恰恰印證了FCMBench-Video的評測價值——其設計的高區分度指標能夠精準定位模型短板，為金融機構技術選型和科研機構優化方向提供權威參考。
作為開放技術生態的重要實踐，FCMBench-Video配套的數據集和評測工具已實現全開源。這種開放策略旨在吸引更多科研力量參與信貸AI建設，通過群體智慧加速技術迭代。值得注意的是，當前版本聚焦的文檔視頻分析僅是信貸場景的細分領域，真實業務中的視頻盡調需要模型對企業經營現場進行全要素解析，包括廠房布局、設備狀態、工藝流程等30余個維度，這對模型的綜合研判能力提出更高要求。
FCMBench-Video構建的評測方法論，正在為復雜視頻盡調場景奠定技術基礎。其目標不僅是提升單點技術能力，更要推動信貸AI評測體系覆蓋全業務流程，最終實現從"識別單張票據"到"理解企業運營"的跨越式發展。這種源于業務實踐、反哺業務落地的評測范式，正在重塑金融科技領域的技術評估標準。
