西班牙桑坦德銀行開源AI專案

桑坦德銀行AI實驗室（Banco Santander AI Lab）近期在GitHub上開源了多個AI專案，旨在推動金融服務業中小型模型、工程化、智慧體演進、負責任AI、MLOps和圖機器學習的發展。這些專案均採用Apache-2.0許可協議，使用合成或匿名化資料，不涉及任何真實客戶資訊。

主要專案包括：

• ralph：一個可配置的Bash/PowerShell迴圈，每次迭代執行新的AI編碼CLI會話，用於自動化編碼任務。
• auto-bayesian：基於配置的、可解釋的貝葉斯網路訓練工具，適用於關係型表格資料。
• autoguardrails：對齊研究框架，用於LLM護欄，透過單一的policy.md檔案實現。
• causal-perception-implementation：用於因果感知的機器學習研究程式碼，透過干預分佈和反事實分佈比較競爭的結構因果模型，應用於公平信貸決策。
• gen-fraud-graph：合成欺詐圖生成器，用於訓練和基準測試基於圖的欺詐檢測模型，可擴充套件到1億+賬戶。
• genetic-algorithm：無依賴的Python遺傳演算法引擎，具有可插拔的適應度標準，可作為LLM/AI自動研究器的可複用搜尋核心。
• linear-adapter-trainer：使用三元組損失訓練線性嵌入介面卡，以對齊檢索嵌入與查詢（RAG）。
• llm_bridge：小型、供應商中立的LLM客戶端庫，透過統一介面支援OpenAI、AWS Bedrock、Google Gemini等，或自定義後端。
• mech-gov-framework：LLM決策的機械治理框架，提供模型無關的治理制度、硬門控和治理指標，適用於高風險LLM決策系統。
• mutatis-mutandis：歧視分析中的情景測試，使用反事實比較器，是論文《Mutatis Mutandis: Revisiting the Comparator in Discrimination Testing》的研究程式碼。
• sota-stressed-datasets：以壓力形式重新發布的開放基準資料集，用於評估ML/LLM的魯棒性，由桑坦德AI實驗室策劃。

此外，實驗室還推出了ralph-vault-skill、.github等輔助專案。

所有專案在公開發布前都經過開源計劃辦公室（OSPO）的透明兩軌審查。快速通道適用於分叉、通用工具、教程、資料集和無業務邏輯的SDK，由OSPO負責人審查並自動掃描。標準通道適用於模型、演算法、核心庫、涉及資料科學或業務邏輯的元件，需要更嚴格的法律、安全、隱私和資料保護評估。

桑坦德銀行透過這一系列開源專案，不僅提升了銀行業可信AI的標準，也回饋了支援其創新的開源社群。