西班牙桑坦德银行开源AI项目

桑坦德银行AI实验室（Banco Santander AI Lab）近期在GitHub上开源了多个AI项目，旨在推动金融服务业中小型模型、工程化、智能体演进、负责任AI、MLOps和图机器学习的发展。这些项目均采用Apache-2.0许可协议，使用合成或匿名化数据，不涉及任何真实客户信息。

主要项目包括：

• ralph：一个可配置的Bash/PowerShell循环，每次迭代运行新的AI编码CLI会话，用于自动化编码任务。
• auto-bayesian：基于配置的、可解释的贝叶斯网络训练工具，适用于关系型表格数据。
• autoguardrails：对齐研究框架，用于LLM护栏，通过单一的policy.md文件实现。
• causal-perception-implementation：用于因果感知的机器学习研究代码，通过干预分布和反事实分布比较竞争的结构因果模型，应用于公平信贷决策。
• gen-fraud-graph：合成欺诈图生成器，用于训练和基准测试基于图的欺诈检测模型，可扩展到1亿+账户。
• genetic-algorithm：无依赖的Python遗传算法引擎，具有可插拔的适应度标准，可作为LLM/AI自动研究器的可复用搜索核心。
• linear-adapter-trainer：使用三元组损失训练线性嵌入适配器，以对齐检索嵌入与查询（RAG）。
• llm_bridge：小型、供应商中立的LLM客户端库，通过统一接口支持OpenAI、AWS Bedrock、Google Gemini等，或自定义后端。
• mech-gov-framework：LLM决策的机械治理框架，提供模型无关的治理制度、硬门控和治理指标，适用于高风险LLM决策系统。
• mutatis-mutandis：歧视分析中的情景测试，使用反事实比较器，是论文《Mutatis Mutandis: Revisiting the Comparator in Discrimination Testing》的研究代码。
• sota-stressed-datasets：以压力形式重新发布的开放基准数据集，用于评估ML/LLM的鲁棒性，由桑坦德AI实验室策划。

此外，实验室还推出了ralph-vault-skill、.github等辅助项目。

所有项目在公开发布前都经过开源计划办公室（OSPO）的透明两轨审查。快速通道适用于分叉、通用工具、教程、数据集和无业务逻辑的SDK，由OSPO负责人审查并自动扫描。标准通道适用于模型、算法、核心库、涉及数据科学或业务逻辑的组件，需要更严格的法律、安全、隐私和数据保护评估。

桑坦德银行通过这一系列开源项目，不仅提升了银行业可信AI的标准，也回馈了支持其创新的开源社区。