Revolut создала, возможно, самую амбициозную ИИ-модель, специально разработанную для банковской сферы. Модель под названием PRAGMA (PRe-trained Banking Foundation Model — предварительно обученная базовая модель для банковской отрасли) представляет собой семейство моделей на основе архитектуры Transformer, разработанных совместно с Nvidia. Ее цель — выполнять обнаружение мошенничества, кредитный скоринг и другие финансовые задачи с помощью единой системы вместо набора специализированных моделей.
Масштаб проекта впечатляет. PRAGMA была обучена примерно на 40 миллиардах банковских событий, собранных от около 25 миллионов пользователей Revolut из 111 стран, что соответствует 207 миллиардам токенов.
Чем PRAGMA отличается от существующих решений
Традиционные системы обнаружения мошенничества в банковской сфере используют несколько отдельных моделей машинного обучения, каждая из которых решает узкоспециализированную задачу. Например, одна модель выявляет подозрительные транзакции, другая оценивает кредитные риски, третья проверяет личность клиента. Для каждой из них требуется собственная подготовка признаков (feature engineering), отдельный процесс обучения и постоянная поддержка.
PRAGMA использует иной подход. Она применяет метод masked modeling (маскированного моделирования) к токенизированным последовательностям пользовательских действий, после чего использует полученные знания одновременно для решения множества различных задач.
Согласно внутренним тестам Revolut, такой унифицированный подход оказался значительно эффективнее. По сравнению с существующими специализированными системами модель показала:
- улучшение полноты обнаружения мошенничества (fraud recall) на 64,7%;
- повышение точности обнаружения мошенничества (fraud precision) на 16,7%.
Показатель fraud recall отражает, какую долю реальных случаев мошенничества модель способна обнаружить, тогда как fraud precision показывает, насколько часто срабатывания системы действительно оказываются мошенническими операциями.
Еще более впечатляющие результаты были достигнуты при кредитном скоринге. PRAGMA обеспечила рост метрики PR-AUC до 130%, что означает значительно более высокую способность отличать надежных заемщиков от рискованных при различных порогах принятия решений.
Аппаратная платформа и архитектура
PRAGMA работает на графических процессорах Nvidia H100, используя инфраструктуру Nebius AI Cloud.
Модель существует в нескольких вариантах — от 10 миллионов до 1 миллиарда параметров, предназначенных для различных сценариев использования.
Самая крупная версия — PRAGMA-L с 1 миллиардом параметров — обучалась с использованием до 64 графических процессоров Nvidia H100.
Более компактные версии — на 10 миллионов и 100 миллионов параметров — специально оптимизированы для работы в режиме реального времени, что позволяет анализировать транзакции непосредственно в момент их совершения, а не выявлять подозрительные операции уже после выполнения.
Научная статья, посвященная PRAGMA, была подана 9 апреля 2026 года и представлена на конференции Nvidia GTC 2026. Среди авторов — исследователи команды Revolut и инженеры Nvidia. Особое внимание в работе уделяется методам самообучения (self-supervised learning), которые существенно снижают необходимость в ручной разметке данных.
Почему это важно не только для Revolut
По данным Revolut, использование PRAGMA значительно уменьшило зависимость компании от традиционно создаваемых вручную признаков (engineered features) — специально разработанных входных параметров, для создания и поддержки которых обычно требуются эксперты предметной области. Это позволяет ускорить разработку новых решений, снизить затраты на сопровождение моделей и сделать ИИ-системы более универсальными и масштабируемыми.
Источник
Реклама: 🔥 Хочешь получить Telegram Premium и стать гуру Polymarket? Кликай сюда!
