SR 11-7
PulseAugur coverage of SR 11-7 — every cluster mentioning SR 11-7 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
提出新的金融生成式AI治理框架
一个名为GAICF的新框架已被提出，旨在解决金融机构中生成式AI的治理挑战。该框架旨在兼容美国银行系统的SR 26-2指南，该指南更新了模型风险管理实践。GAICF旨在为管理生成式AI应用相关的风险提供一种结构化方法，这些应用虽然不直接做出财务决策，但可能显著影响控制环境和监管流程。
-
AI文档分析需要为监管行业构建“约束系统”
对于金融机构而言，成功实施 AI 进行文档分析需要一种结构化方法，而不是简单地将自主代理指向数据。关键在于围绕 AI 构建一个“约束系统”，该系统规定了处理哪些信息、如何记录信息以及向人工操作员呈现什么。这种受控架构可确保遵守 SR 11–7 等法规，从一开始就关注可审计性、透明度和人工干预流程。
-
人工智能治理框架整合美国银行业法规以进行欺诈检测
研究人员开发了一个新框架，以帮助美国金融机构应对人工智能驱动的欺诈检测的复杂监管环境。该框架名为RGF-AFFD，整合了四个关键监管机构的要求：OCC、SR 11-7、CFPB和FinCEN。它为模型开发、验证和监控提供了一种结构化方法，旨在确保持续合规。
-
Databricks Genie 为金融机构提供对话式风险智能
Databricks 推出了 AI/BI Genie，该工具旨在弥合复杂的模型治理框架与金融服务领域对可操作风险智能的实际需求之间的差距。该平台允许风险领导者使用自然语言查询来审视其受治理的风险数据，从而为复杂问题提供快速、具体的答案。这种对话式方法旨在克服预打包报告的局限性，从而在时间紧迫的情况下实现更快、更明智的决策。
-
Databricks 为银行提供管理人工智能模型风险的新框架
美联储、FDIC 和 OCC 于 2026 年 4 月 17 日发布了新的机构间指南，重新定义了金融机构的模型风险管理（MRM）。更新后的框架强调基于风险、以原则为驱动的方法，同等重视模型风险与信用风险或市场风险。这要求对模型按重要性进行清晰分级，实施比例适宜的控制措施，并为经典机器学习和生成式人工智能提供健全的端到端生命周期治理。