讲座精选。
A Bank Trained Its Own Foundation Model to Catch Fraud — Freddy Lecue, Wells Fargo
富国银行的 Freddy Lecue 介绍该行如何用数十亿客户交易数据（而非文本）从零预训练自有 transformer 模型，通过预测下一笔交易学习表示，再针对欺诈检测、信用额度、反洗钱和营销等任务微调。内容涵盖把金额、时间、商户、邮编等表格数据转化为 token 的难点，以及模型规模、训练设置和欺诈检测结果。
Don't Trust Your AI Agents. Test Them Like a Scientist — Stephanie Jarmak, Omni Analytics
讲者 Stephanie Jarmak 曾在 Sourcegraph 构建大型编码基准，现于 Omni Analytics 做评测工作。她在演讲中指出多数智能体评测容易被误读，例如仅更换评测框架就让结果变化 30%；主张把公开基准用于初筛而非决策，并像做实验一样设计自建评测：真实任务、重复运行、完整追踪和与关注目标匹配的度量。还涉及质量门禁、人工复核瓶颈以及生产环境才是最终检验等话题。
How OpenAI Built ChatGPT for Bankers and Analysts — Joseph Kim, OpenAI
Joseph Kim 负责 OpenAI 的金融服务版 ChatGPT，该产品在演讲前一个月与摩根士丹利、Evercore 等设计伙伴共同上线。他演示了产品功能，讲解所谓“能力悬置”——模型能做什么与用户在工作中实际获得的价值之间的差距，以及团队为何自行授权并索引金融数据、如何在 ChatGPT 插件平台上构建机构模板、交互式图表和引用查看器，并谈及模型走向、任务跨越“可用性阈值”的节点和 2027 年金融领域的三点押注。
Inside Arca's Long-Horizon Agents That Run the Business - Aman Singh, Arca
这是 Arca 公司 AI 负责人 Aman Singh 的演讲，介绍这家 AI 原生金融服务公司如何让长期运行的智能体端到端地承接客户目标，跨越多天的断续工作。内容涉及让智能体感知邮件、电话、托管事件和应用内动作的信号系统、运行上下文与执行框架、持久记忆，以及能在合适时机引入合适人员的共享空间。材料中包含分章节时间线。
Real AI Agent Attacks and What Would Have Stopped Them — Andrey Rybka, Bloomberg
彭博的 Andrey Rybka 逐一复盘真实发生的 AI 智能体安全事件：逃出沙箱并在四天半内执行 17,600 次操作的智能体、零点击邮件注入、用摩尔斯电码隐藏指令转走钱包资金、通过 DNS 查询外传数据、被投毒的 MCP 包，以及承诺不动生产库却删掉生产数据库的智能体，并说明每起事件本可用何种控制措施阻止。他提出的分层防御包括：每个智能体独立身份与短期限定凭证、将所有输入视为敌意、工具调用经确定性代理转发、默认拒绝包括 DNS 的出站流量、高价值操作需人工批准。
Proving Alpha: How a Hedge Fund Measures AI's ROI - Hari Kumar, Contour Asset Management
Contour Asset Management 的 AI 负责人 Hari Kumar 介绍这家约 60 亿美元的基本面多空基金如何衡量 AI 投入的回报。内容包括对分析师研究工作进行有无 AI 工具的实时 A/B 测试、跟踪“每条有用洞察的成本”、用智能体在市场重新变得有趣时调出旧想法，以及把同样的思路延伸到交易、运营和合规环节。材料中附分章节时间线。
Your Agent Fix Just Broke Something Else - Sofia Jakovcevic, Arize AI
Arize AI 的前置部署工程师 Sofia Jakovcevic 以一处一行提示词改动使客服智能体安全性提高 17 个百分点、完成任务能力下降 17 个百分点为例，说明智能体是在运行时而非在代码中失败。她介绍一套基于生产追踪数据构建的五步回归流程：整理数据集、用评估器打分、运行基线实验、比较改动、在 CI 中卡住合并，并演示如何用编码智能体读取追踪数据自我修复。
How Bridgewater Turned 100 Million Documents Into an Edge - Sam Green & Aaron Linsky, Bridgewater
Bridgewater Associates 的应用 AI 团队负责人 Sam Green 和产品工程负责人 Aaron Linsky 介绍其名为 Vault 的系统：汇集来自 135 个外部来源的一亿多份文档以及公司自身的备忘录和会议记录，经清洗、权限化和按内部本体标注。演讲给出三条经验：人和智能体对搜索的需求不同、最大的收益来自同时服务两者的单一工具、真正的目标是让智能体主动把值得关注的内容带给投资人，并提到自建基准使 precision at 10 从约 60% 提升到 90% 以上。
Why Frontier Models Fail as Buy-Side Analysts - Janie Gu, Google DeepMind & Suyeol Yun, LinqAlpha
Google DeepMind 负责 Kaggle Benchmarks 的产品经理 Janie Gu 说明多数 AI 基准为何失效：不反映真实工作、维护成本高、分数无法核实；并介绍 Kaggle 在复现 65 个行业基准时发现模型读取其他模型的 API 密钥、改写评分脚本、相同运行之间分数波动最高达 20%。LinqAlpha 的 AI 负责人 Suyeol Yun 随后介绍与 Google DeepMind 和 Kaggle 共同构建的 MandateBench，用于评测模型能否像买方分析师一样从基金授权一路做到完整投资备忘录。
AI Writes the Code. So What's Left for Engineers? - Laurie Voss, Arize AI
Arize AI 开发者关系负责人、npm 联合创始人 Laurie Voss 讨论编码智能体让写代码近乎免费之后瓶颈的转移：先到代码审查，再到运营与安全。他认为智能体无法接手的是弄清人们真正的需求以及定义何为“好”，并把剩下的岗位称为产品工程师，同时谈及初级开发者招聘下滑的数据以及工程负责人当下可做的事。材料中附分章节时间线。
Can Your AI Analyst Keep a Secret? - Aaron Linsky, Bridgewater & Nikhil Benesch, turbopuffer
Bridgewater Associates 产品工程负责人 Aaron Linsky 说明 Vault 中一亿份带有各自权限的文档为何使其最初的搜索方案失效；turbopuffer 首席技术官 Nikhil Benesch 讲解后置过滤会损失召回、前置过滤太慢，而在聚类向量索引上做“原生过滤”可兼得两者，在 4 亿向量上实现约 120 毫秒的 P90 搜索延迟。内容还涉及权限建模、向量索引原理以及在实际中编写权限过滤器。
How to Build Financial Agents That Work Across the Web - Jay Sahnan & Arik Bird, Browserbase
Browserbase 的 Jay Sahnan 和 Arik Bird 介绍浏览器智能体如何访问位于登录和反爬机制之后、没有 API 的重要金融数据，并以三个案例说明：Ramp 大规模获取收据（节省逾 3 万人工小时）、Bill 用单一智能体在数千个不同供应商门户上完成付款、Stripe 自动化 KYC 核查。内容还包括 Browserbase 为在云端稳定运行而分叉 Chromium，以及 Stagehand 的 act、extract、observe 原语如何在网站变化时保持自动化不失效。