[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"content-doc-dcio75315615":3},{"user":4,"document":8,"mainDocument":27,"columnUrl":29,"subscription":30,"footer":42,"text":80},{"isAuthenticated":5,"isAdmin":5,"displayName":6,"avatarUrl":6,"nid":6,"groupLevel":7},false,"",-10,{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":21,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},"dcio75315615","奇富科技(QFIN)正式开源ModelEvo-以自动建模能力参与行业基础建设","\u002Fdoc\u002Fdcio75315615","col18178739ee","美股资讯","\u002Fcol\u002Fcol18178739ee","\u003Cp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">7月13日，奇富科技正式开源面向业务场景的自动建模Agent——ModelEvo。这一工具既是为了将分散的专家经验沉淀为标准化、可复用的建模能力，提升内部研发效率，同时也希望将经过真实业务验证的方法论开放给行业，参与到AI建模基础设施的共建中。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">用户只需从业务目标出发，ModelEvo 即可通过 Agent 编排标准化建模 Skills，协助完成需求澄清、数据检查、存量模型评估、样本构建、特征分析、模型训练、自动调优、效果评估和报告生成。首个版本支持分类预测与 Uplift 增益建模两类典型任务。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">建模难，不只难在算法\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">真实业务建模并非单纯的算法优化。如何将业务目标转化为建模任务，如何定义标签、切分样本窗口、识别特征泄漏、评估存量模型，都直接影响模型效果和业务价值。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">过去，这些流程往往分散在个人 Notebook和临时脚本中，容易造成重复开发和标准不一。ModelEvo 希望将分散的专家经验转化为标准化、可执行、可追踪的建模能力。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">先评估、后建设，让模型资产持续复用\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">在用户澄清需求后，ModelEvo 会优先从模型知识库中检索目标、客群或特征体系相近的历史模型，并依据 AUC、KS、分桶排序性和业务适用范围，判断模型能否直接复用、继续优化或需要重新建设。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">这一机制能够提升历史模型和经验的复用率，让模型资产持续产生价值。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">把专家经验转化为可执行 Skills\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">ModelEvo 将奇富科技在真实业务中的方法和质量要求沉淀为 Agent 可理解的规则，将建模流程拆解为可组合、可复用、可追踪的 Skills。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">系统能够检查标签定义、观察窗口和表现窗口，提供特征筛选、模型选择和参数优化建议，自动生成 AUC、KS、分桶排序性等评估结果。同时还能根据评估结果开展多轮自迭代优化，持续推动模型效果提升。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">Agent 会记录每次实验的数据、特征、参数、指标和模型产物。用户最终获得的不只是一个模型，还包括完整实验记录、模型对比结果和可复现、可供专业评审的建模报告。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">降低建模门槛，不降低专业标准\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">ModelEvo 自动化的是标准化、重复性工作，放大的是专业人员的经验价值。业务人员可以参与问题定义和结果解读，数据分析人员可以完成数据探索和基线验证，算法工程师则可将常规训练、数据检查和报告生成交给 Agent，把更多精力投入复杂场景和技术创新。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">相比主要聚焦算法选择和参数搜索的传统 AutoML，ModelEvo 更关注业务问题理解、存量模型复用和完整流程标准化，并根据评估反馈开展多轮迭代优化，逐步探索特征和模型的自进化能力。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">奇富科技增长算法负责人王耀宣表示“大模型正在快速降低代码开发和算法工具的使用门槛，但要在真实业务场景中建出有效的模型，仍然离不开对业务问题的深刻洞察、专业的建模判断和驾驭大模型的能力。打造ModelEvo，正是希望将这三类能力及其背后的专家经验，沉淀为一套经过真实场景验证、可复用、可追溯并能够持续进化的建模方法体系。”\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">从工具开源到能力共建\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">ModelEvo v1.0 内置基于公开数据集的完整示例，无需部署大数据集群即可在本地体验核心流程，企业用户可参照 README.md 完成全流程接入。未来，项目还将逐步扩展模型知识库、特征自进化和模型自进化等能力，不断完善智能建模体系。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">奇富科技希望通过开源，将经过真实业务打磨的建模经验转化为开放、可复用、可持续演进的行业能力，推动业务建模从依赖个人经验走向流程标准化、经验资产化和能力智能化。\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">目前，ModelEvo 已在 GitHub 正式开源，项目地址\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FQFIN-tech\u002Fmodel-evo\">https:\u002F\u002Fgithub.com\u002FQFIN-tech\u002Fmodel-evo\u003C\u002Fa>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">最专业的美股资讯,推荐美股大数据 \u003Ca href=\"https:\u002F\u002FStockwe.com\u002F\">https:\u002F\u002FStockwe.com\u002F\u003C\u002Fa>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 \u003Ca href=\"https:\u002F\u002FStockWe.com\u002F\">https:\u002F\u002FStockWe.com\u002F\u003C\u002Fa> 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003C\u002Fp>","https:\u002F\u002Fwww.tradesmax.com\u002Fimages\u002Fa_Stock\u002FS\u002FSPY\u002FSPY.jpg","2026-07-15T02:15:27","2026.07.15","2026\u002F07\u002F15",45853,[22],"SPY","Article",0,"免费","success",{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":28,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},[22],"\u002Fcol\u002Fstocknews",{"visible":5,"marketingHtml":31,"services":32,"recentDocuments":41},"\u003Cfigure class=\"image\">\u003Ca href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\" target=\"_blank\" rel=\"noopener noreferrer\">\u003Cimg style=\"display:block;margin-left:auto;margin-right:auto;\" src=\"https:\u002F\u002Fstockwewebfiles.blob.core.windows.net\u002Fweb-202408-stk\u002F1586109431mceclip0.jpg\">\u003C\u002Fa>\u003C\u002Ffigure>\u003Cdiv class=\"text-center\">\u003Ch2 class=\"card-title mx-auto\">\u003Cbr>\u003Ca target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\">案例介绍：英伟达深度研究报告\u003C\u002Fa>\u003C\u002Fh2>\u003C\u002Fdiv>",[33,37],{"productId":34,"serviceName":35,"priceText":36},"prod_PPxdDdK87QaiLv","月付","$12.95美元",{"productId":38,"serviceName":39,"priceText":40},"prod_PPxeMs3bix1da5","年付","$149.00美元",[],{"links":43,"images":71,"summaryHtml":76,"aboutTitle":77,"aboutHtml":78,"copyrightHtml":79},[44,47,50,53,56,59,62,65,68],{"label":45,"url":46},"深度报告","\u002Fcol\u002FdepthReport",{"label":48,"url":49},"VIP会员","\u002Fvip",{"label":51,"url":52},"期权推荐","\u002FOption",{"label":54,"url":55},"低价暴涨股","\u002FPenny",{"label":57,"url":58},"AI智能体","\u002FAiAgent",{"label":60,"url":61},"常见问题","https:\u002F\u002Fstockwe.com\u002FFAQ",{"label":63,"url":64},"美股课程","\u002Fcol\u002Fvideos",{"label":66,"url":67},"免责声明","\u002Fdisclaimer",{"label":69,"url":70},"联系我们","\u002FContactUs",[72,73,74,75],"https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploaderzic2tuwsol2_2025_09_11_18_21_07.gif","https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploadercakzdvydksw_2025_09_03_09_00_56.png","https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploadergtjyagwvoyk_2025_09_14_08_32_05.png","https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploader3u0tt4jhlqh_2025_09_23_22_30_48.png","邮箱: buy@TradesMax.com 美国电话 626-378-3637","公司介绍","\u003Cp class=\"MsoNormal\">美股大数据 \u003Ca href=\"https:\u002F\u002Fstockwe.com\" target=\"_blank\" rel=\"noopener\">StockWe.com\u003C\u002Fa> 是一个美国领先的金融和美股信息大数据提供商，紧盯华尔街金融市场和行情，2008年成立于美国硅谷，创始人是前纽约证券交易所资深分析师Ken，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化交易模型，每天处理海量股票数据：挖掘潜力大牛股，捕捉期权异动大单，实时主力资金流向、机构持仓变化、川普突发新闻，美股买卖信号第一时间发到您手机APP。\u003C\u002Fp>","专业美股投资者都在这里",{"loading":81,"search":82,"searchPlaceholder":82,"hotContent":83,"draft":84,"noData":85,"searchNoData":86,"edit":87,"editVideo":88,"courseContent":89,"more":90,"buyNow":91,"subscribeNow":92,"encoding":93,"paidContent":94},"Loading...","搜索","热门内容","草稿","目前没有任何内容公布","当前检索内容没有数据","编辑","编辑视频","课程内容","更多","立即购买后观看","- 立即订阅 -","视频编码中...","付费内容"]