奇富科技發布信貸場景專屬視頻評測任務FCMBench-Video-V1.0：從“看懂證件”到“看穿過程”

【TechWeb】5月8日消息，繼今年早些時候發布全球首個面向信貸場景的多模態評測基準FCMBench-V1.0與V1.1后，奇富科技近日再推重磅成果，正式發布信貸場景專屬的視頻評測任務FCMBench-Video-V1.0，旨在通過視頻任務推動信貸AI評測從“看懂一張圖”進階到“理解一段過程”。這為信貸場景中的視頻理解能力提供了一把可量化的新標尺，標志著AI評測從“靜態識別”向“動態研判”邁出了關鍵一步。

一張精心PS的證件照可能騙過靜態審核系統，但一段手持拍攝的連續視頻卻會“泄密”：人物動作的連貫性、光照變化的連續性、對焦漂移的過程，乃至紙張翻頁時的物理褶皺，這些天然攜帶的真實性信息極難被完美偽造。

FCMBench-Video正是錨定這一特性，將多模態大模型的評測，從二維圖像推向了三維時空。

如果說FCMBench解決的是“模型能否讀懂靜態證照”的問題，那么FCMBench-Video關注的則是更具挑戰性的能力邊界。視頻帶來的不僅是更多畫面，而是時間維度的引入，以及信息在時間軸上的組織方式。模型不僅需要識別內容，還需要理解這些內容在何時出現、是否重復出現、是否與前后信息一致，以及在復雜干擾下是否仍能保持穩定判斷。這些能力直接關系到反欺詐鏈條中的關鍵環節，也是傳統評測體系難以覆蓋的盲區。

舉個例子。一段視頻里同一個證件反復出現，模型得學會“去重”，不能數一次就算一次；連續出現好幾份文件，模型得會“對賬”，比一比它們之間有沒有矛盾；如果出了風險，模型還得能說出“我是根據第幾秒的畫面下的判斷”。這些不再是簡單的識別，而是考驗記憶、推理和判斷的綜合題。

更值得關注的是，FCMBench-Video還創新性加入“防忽悠”測試，專門檢驗模型的反欺詐能力。測試中，研究人員會在視頻末尾故意添加“已核實通過”等誤導性提示，觀察模型會不會因此忽略前面發現的風險。結果顯示，不同模型的反欺詐能力差距懸殊，且暫無通用方法能規避此類誤導，這一發現直接點明視頻AI模型的安全性需專項測試、持續優化，為行業技術迭代指明了關鍵方向。在數據構建層面，FCMBench-Video延續了來源于業務、服務于業務的原則，同時進一步平衡了真實性與合規性之間的關系。通過模擬真實拍攝過程，結合多種現實環境下的畫質變化，并在此基礎上構建不同復雜度的視頻樣本，使評測既具備真實世界的挑戰性，又避免涉及敏感信息。這種方法不僅保證了評測結果的參考價值，也為行業提供了一種可復制的數據構建路徑。

從整體評測結果來看，當前主流視頻多模態模型之間仍存在較大能力差距，即使是表現最優的模型，在部分關鍵任務上也未達到可以直接應用于生產環境的水平。這意味著，視頻理解能力在信貸場景中的落地仍處于早期階段，更印證了FCMBench-Video具備極強的能力區分度，能精準衡量模型的真實水平與提升空間，為企業技術選型、科研機構研究提供權威參考。

作為FCMBench評測基準的重要組成部分，FCMBench-Video延續開放共享理念，配套數據集與工具已同步開源開放，旨在匯聚更多科研工作者及行業機構參與信貸AI能力建設，為信貸AI技術落地實際應用搭建堅實橋梁。

需要說明的是，當前版本的FCMBench-Video所覆蓋的文檔視頻分析，僅為信貸場景視頻分析任務的細分維度之一。本次任務設計，提煉自奇富科技當前迭代打磨中的視頻盡調AI產品。AI視頻盡調不僅要求模型具備準確的文檔內容理解能力，更需要對企業經營現場開展全方位綜合研判，涵蓋廠房環境、生產設備、原料庫存、工藝流程、人員作業狀態等關鍵維度，進而推演企業真實經營現狀、償債履約水平及潛在經營風險。這類真實業務訴求，對視頻盡調AI模型的產業化落地提出了更高標準與全新挑戰。

FCMBench-Video所構建的評測方法論，能夠助力復雜視頻盡調場景筑牢核心技術底座，推動多模態信貸AI評測從“看懂一張圖”升級為“理解一座工廠”，逐步完善覆蓋信貸全業務流程的評測能力體系，實現評測基準源于業務場景、賦能業務落地。