桑坦德以开源许可发布人工智能项目以加速共享创新。

证据等级：A1 证据类型：官方一手信息 来源：Santander Press Room 官方发布日期：2026-06-25 采集时间：2026-07-16T20:30:43.185Z

这一倡议使我们能够分享由银行团队在人工智能、机器学习、大型语言模型、生成式人工智能、负责任的人工智能以及人工智能治理等领域开发的工具、示例和资源。发布这些项目是桑坦德对负责任创新、与技术生态系统合作以及在内部知识产权、数据保护、网络安全、许可和品牌审核流程下进行技术知识交流承诺的一部分。每个代码库包括技术文档、Apache 2.0开源许可证、贡献指南、行为准则、安全信息和审核流程。

用于欺诈检测的合成数据

桑坦德人工智能实验室已在 GitHub 上发布了 gen-fraud-graph。这是一个帮助创建与欺诈相关的交易和行为的合成网络的工具。它解决了银行业面临的一个主要人工智能挑战：学习发现复杂模式而不侵犯个人隐私。这个想法很简单：如果我们想提升欺诈检测能力，我们就需要可以测试假设、比较模型，并理解某些迹象如何出现的环境。该项目生成人工数据以反映特定的风险模式。没有真实客户数据，因为“人工智能创新必须与隐私并行，而不是以牺牲隐私为代价”。

透明规则

我们还分享了 mech-gov-framework，该框架探讨了如何基于语言模型构建治理机制，尤其是在它们可能影响敏感或高影响决策时。这是一项关键的举措，因为“它试图实现对人工智能功能的严格审查、可追溯性和治理”。其目标是将安全性、一致性、可审计性、控制及其他原则转化为更具体和可衡量的要素。该项目并非盲目信任系统的响应，而是提出通过规则、阈值和检查来决定何时上线、在何种条件下以及设定哪些限制。

公平系统

Santander AI 实验室推出的另一个项目是 mutatis-mutandis，该项目旨在应对让 AI 系统公平行事并平等对待处于类似情况的人的挑战。该计划研究算法歧视问题，以实现使用反事实比较进行分析。其主要理念是超越关于公平的一般性陈述，开发能够让我们以更高精度审查、测试和讨论模型行为的工具，因为“对 AI 的信任不仅建立在看其结果之上，还在于理解其达成这些结果的方式以及可能影响的人群”。