多模态保险定损理赔智能体产品系统

每天，京东和美团有大批的商品需要物流，有大批的骑手在派送货物。这些人和货物在发生意外损失时需要有快速，准确的方法来确定保险赔付的额度，并且需要和客户达成协议完成保单的赔付。传统方法需要雇佣大批的定损专家和协商的客服。本项目意在使用多模态智能体，完成从现场勘探定损，审批，与客户谈赔的全流程自动化，从而节省人力成本。

我在宏瓴任人工智能工程师期间，带领团队完成了多模态保险定损理赔智能体的第一版本的开发。该智能体可以通过主智能体与子智能体协作的方式，通过集成后台图片识别算法， 文字ocr算法， 定损逻辑， 视频识别与比对算法，完成出险保单的多模态信息整合与损失情况的判别。然后再经过人工确认后 ，进入谈赔流程， 由客服智能体根据事实与用户接受度完成初步谈赔。

通过自动化的出险损失判定，与自动化的初步谈赔，我们成功的将每个出险案件的平均处理时间由原先的5分钟降至现在的46秒，极大的提升了案件处理的效率。本项目第一版本的图片识别算法， 文字ocr算法， 定损逻辑， 视频识别与比对算法都是由我主导完成的。我们基于真实去隐私的处理后谈话记录微调千问大模型，并且在出险数据集上应用了结果导向的rlhf方法，用来提升与客户谈赔的效果。这个亮点在于我在做这件事的时候deepseek r3 还没有发表，但是我实际上做了和r3同样的事情，只是领域较窄没什么曝光。当然说白了其实在我之前就已经有两篇论文在做这件事了所以其实r3的方法并不能算是创新。好吧我酸了：D