उत्तरप्रकाशित16 स्रोत
Revolut Research क्या है और PRAGMA बैंकिंग AI को कैसे बदल सकता है?
Revolut Research कंपनी के व्यापक AI संगठन के भीतर बनाया गया एक समर्पित AI रिसर्च डिविजन है, जिसका उद्देश्य बैंकिंग केंद्रित मशीन लर्निंग शोध को वास्तविक उत्पादों और सेवाओं में बदलना है। डिविजन Revolut की ‘build, don’t bolt on’ रणनीति को आगे बढ़ाएगा—यानी अलग अलग बाहरी AI टूल जोड़ने के बजाय एक साझा, आंतरिक बैंकिंग मॉड...
प्रकाशितकर्ताGPT-5.6 Luna से संपादितGPT Image 1.5 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- Revolut Research कंपनी के व्यापक AI संगठन के भीतर बनाया गया एक समर्पित AI रिसर्च डिविजन है, जिसका उद्देश्य बैंकिंग केंद्रित मशीन लर्निंग शोध को वास्तविक उत्पादों और सेवाओं में बदलना है।
- डिविजन Revolut की ‘build, don’t bolt on’ रणनीति को आगे बढ़ाएगा—यानी अलग अलग बाहरी AI टूल जोड़ने के बजाय एक साझा, आंतरिक बैंकिंग मॉडल तैयार करना।
- PRAGMA (PRe trained Banking Foundation Model) Nvidia के साथ मिलकर विकसित किया गया encoder style, Transformer आधारित मॉडल परिवार है, जिसके प्रकाशित संस्करण 1 करोड़ से 100 करोड़ parameters तक हैं।
- मॉडल को करीब 2.6 करोड़ ग्राहक इतिहासों से जुड़े 24 अरब बैंकिंग events पर प्रशिक्षित किया गया, जिनका दायरा 111 देशों तक बताया गया है।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Revolut announce about the launch of Revolut Research, why was the division created, how does it support the company’s “build, don’. Article summary: Revolut announced Revolut Research, a dedicated AI research division within its broader AI organisation.. Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visu
Revolut ने अपने व्यापक AI संगठन के भीतर Revolut Research नाम से एक समर्पित AI-रिसर्च डिविजन शुरू करने की घोषणा की है। इसका उद्देश्य बैंकिंग और वित्तीय सेवाओं के लिए मशीन लर्निंग शोध को सीधे production systems में बदलना है। यह डिविजन कंपनी के PRAGMA फाउंडेशन-मॉडल कार्यक्रम का शोध-केंद्र या ‘इंजन’ होगा—ऐसा मॉडल जिसे Revolut ने Nvidia के साथ मिलकर विकसित किया है। 10
13
Revolut Research बनाने की जरूरत क्यों पड़ी?
Revolut की घोषित रणनीति है—“build, don’t bolt on”, यानी AI क्षमताओं को बाहर से अलग-अलग समाधान जोड़कर तैयार करने के बजाय उन्हें कंपनी के भीतर मूल रूप से विकसित करना। बैंकिंग में इसका अर्थ है कि fraud detection, credit scoring, customer engagement और product recommendations जैसे कामों के लिए अलग-अलग, siloed models और हाथ से तैयार की गई feature tables पर निर्भरता कम की जाए।
इसके बदले Revolut एक साझा banking-model backbone बनाना चाहता है, जिसे अलग-अलग regulated फैसलों और ग्राहक अनुभवों के लिए तेजी से adapt किया जा सके। इसके संभावित उपयोगों में credit scoring और default-risk assessment, fraud detection, customer segmentation तथा personalised product recommendations शामिल हैं। 6
10
PRAGMA क्या है?
PRAGMA का पूरा नाम PRe-trained Banking Foundation Model है। यह multi-source banking-event histories के लिए बनाया गया encoder-style, Transformer-आधारित foundation model परिवार है। सामान्य भाषा मॉडल की तरह यह मुख्य रूप से text पर नहीं, बल्कि payments, transfers और अन्य वित्तीय या व्यवहार-संबंधी घटनाओं के क्रम पर काम करता है। 1
मॉडल को self-supervised masked modelling objective के जरिए pre-train किया गया। सरल शब्दों में, training के दौरान banking-event sequence के कुछ हिस्से छिपाए जाते हैं और मॉडल से उन्हें संदर्भ के आधार पर समझने या पुनर्निर्मित करने को कहा जाता है। इस प्रक्रिया से वह ग्राहक के वित्तीय व्यवहार के व्यापक पैटर्न सीखता है, जिन्हें बाद में अलग-अलग कार्यों के लिए fine-tune किया जा सकता है। प्रकाशित PRAGMA family में 1 करोड़ से लेकर 100 करोड़ parameters तक के मॉडल शामिल हैं। 1
डेटा, ग्राहक और भौगोलिक दायरा
उपलब्ध विवरणों के अनुसार PRAGMA को raw और timestamped banking events पर प्रशिक्षित किया गया। इसमें payments, transfers और अन्य product तथा behavioural signals शामिल थे। प्रशिक्षण डेटा करीब 2.6 करोड़ customer histories और 24 अरब events से बना था, जो 111 देशों तक फैला हुआ था। 10
1
यहां एक महत्वपूर्ण स्पष्टता जरूरी है: PRAGMA को “Nvidia-developed” कहना पूरी तरह सटीक नहीं होगा। उपलब्ध सामग्री इसे Revolut और Nvidia द्वारा संयुक्त रूप से विकसित मॉडल के रूप में प्रस्तुत करती है, न कि Nvidia का अकेले बनाया हुआ product। 10
13
Nvidia H100 इंफ्रास्ट्रक्चर का इस्तेमाल
PRAGMA का काम Nvidia के accelerated-computing infrastructure पर चला। Nvidia के case study में H100 GPUs और Nebius AI Cloud का उल्लेख है। Sequence packing और dynamic batching जैसी तकनीकों ने बड़े पैमाने पर pre-training को तय समय-सीमा के भीतर संभव बनाने में मदद की। 10
हालांकि उपलब्ध उच्च-प्रामाणिकता सामग्री से इस्तेमाल किए गए H100 GPUs की सटीक संख्या या cluster topology स्वतंत्र रूप से पुष्ट नहीं होती। इसलिए किसी निश्चित H100-cluster figure को तथ्य के रूप में पेश करना उचित नहीं होगा। Research paper और case-study सामग्री मॉडल की architecture, scale और reported results का समर्थन करती है, लेकिन पूरे GPU cluster का सटीक विवरण नहीं देती। 1
6
PRAGMA का इस्तेमाल किन कामों में होगा?
Revolut का लक्ष्य एक ऐसी साझा behavioural-intelligence layer बनाना है, जो कई बैंकिंग कार्यों को support कर सके। इनमें शामिल हैं:
- credit scoring और credit-default risk की पहचान;
- fraud detection और fraud alerts;
- customer engagement तथा segmentation;
- lifetime-value जैसे downstream analysis;
- personalised product recommendations; और
- platform operations तथा real-time risk assessment।
6
10
इस मॉडल का व्यावहारिक लाभ यह हो सकता है कि हर नए product या use case के लिए अलग machine-learning stack तैयार करने की जरूरत घटे। Pre-trained backbone से निकले representations पर हल्का fine-tuning या सरल downstream model लगाकर अलग-अलग कार्यों के लिए इसका इस्तेमाल किया जा सकता है। 1
कंपनी और Nvidia के अनुसार प्रदर्शन में कितना सुधार?
Nvidia की Revolut case study में production baselines की तुलना में निम्नलिखित सुधार बताए गए हैं:
- credit-default risk पहचानने में 2.3 गुना बेहतर accuracy;
- 65% अधिक fraud cases पकड़ना;
- fraud alerts की precision में 17% सुधार; और
- product recommendations में 41% अधिक relevance।
इन आंकड़ों को सही संदर्भ में देखना जरूरी है। ये Revolut और Nvidia द्वारा बताए गए benchmark claims हैं, जो production baselines के मुकाबले प्रदर्शन दिखाते हैं। इन्हें स्वतंत्र रूप से audited या पूरे banking industry पर लागू होने वाले परिणाम नहीं माना जाना चाहिए। 6
लॉन्च से पहले कौन-से माइलस्टोन हासिल हुए?
Revolut Research की औपचारिक घोषणा से पहले उपलब्ध रिकॉर्ड में PRAGMA foundation-model research का प्रकाशन और Nvidia की जून की case study शामिल है। Case study में fraud, credit, engagement और recommendation से जुड़े अलग-अलग systems को एक साझा backbone के आसपास समेकित करने का विवरण दिया गया था। 1
6
इस अर्थ में नया डिविजन किसी बिल्कुल शुरुआती प्रयोग की घोषणा नहीं है। यह उस R&D प्रयास को संस्थागत रूप देता है, जिसने पहले ही एक प्रकाशित model family और deployment-oriented benchmarks तैयार किए थे। 1
6
रिसर्च और वैज्ञानिक समुदाय से जुड़ने की योजनाएं
Revolut के अनुसार Revolut Research की योजनाओं में शामिल हैं:
- शोध-पत्र और अन्य research प्रकाशित करना;
- चुनिंदा frameworks को open-source करना;
- GTC Berlin और ACM International Conference on AI in Finance (ICAIF) में भाग लेना; और
- हर तिमाही scientific meetups आयोजित करना।
उपलब्ध उच्च-प्रामाणिकता सामग्री में डिविजन के उद्देश्य का वर्णन मिलता है, लेकिन कथित तौर पर नामित सभी executives और उनके exact quotations की स्वतंत्र पुष्टि नहीं हो सकी है। इसलिए ऐसे नामों या उद्धरणों को Revolut की मूल launch release से मिलाकर देखना चाहिए। उपलब्ध स्रोतों में Revolut के AI प्रमुख Pavel Nesterov का ‘build, don’t bolt on’ रणनीति से जुड़ा बयान उद्धृत किया गया है। 6
80 मिलियन से अधिक ग्राहकों और फ्रांसीसी बैंकिंग लाइसेंस के संदर्भ में महत्व
यह पहल ऐसे समय में सामने आई है जब Revolut 40 से अधिक markets में 80 मिलियन से ज्यादा ग्राहकों तक विस्तार करने की कोशिश कर रहा है। इतने बड़े और विविध ग्राहक आधार के लिए risk assessment, fraud prevention और personalisation systems का लगातार एकसमान और बड़े पैमाने पर काम करना महत्वपूर्ण है।
कंपनी की फ्रांसीसी इकाई को France की ACPR—Prudential Supervision and Resolution Authority—और European Central Bank की मंजूरी के बाद full banking licence भी मिला है। शुरुआत में यह लाइसेंस फ्रांस में operations को support करेगा और इसके बाद पश्चिमी यूरोप में चरणबद्ध विस्तार का रास्ता खोलता है। 3
4
इसका सीधा मतलब क्या है?
Revolut Research का मूल विचार यह है कि AI को हर product के लिए अलग से जोड़ी गई सुविधा न मानकर बैंकिंग infrastructure की एक साझा, पुन: उपयोग योग्य क्षमता बनाया जाए। व्यापक वित्तीय व्यवहार पर प्रशिक्षित एक foundation model को credit, fraud और customer recommendations जैसे कई क्षेत्रों में adapt किया जा सकता है।
यानी Revolut का दांव केवल एक नया AI tool लॉन्च करने पर नहीं, बल्कि अपनी पूरी AI architecture को एक common behavioural-intelligence layer के इर्द-गिर्द पुनर्गठित करने पर है। 6
10
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Revolut Research क्या है और PRAGMA बैंकिंग AI को कैसे बदल सकता है?" का संक्षिप्त उत्तर क्या है?
Revolut Research कंपनी के व्यापक AI संगठन के भीतर बनाया गया एक समर्पित AI रिसर्च डिविजन है, जिसका उद्देश्य बैंकिंग केंद्रित मशीन लर्निंग शोध को वास्तविक उत्पादों और सेवाओं में बदलना है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
Revolut Research कंपनी के व्यापक AI संगठन के भीतर बनाया गया एक समर्पित AI रिसर्च डिविजन है, जिसका उद्देश्य बैंकिंग केंद्रित मशीन लर्निंग शोध को वास्तविक उत्पादों और सेवाओं में बदलना है। डिविजन Revolut की ‘build, don’t bolt on’ रणनीति को आगे बढ़ाएगा—यानी अलग अलग बाहरी AI टूल जोड़ने के बजाय एक साझा, आंतरिक बैंकिंग मॉडल तैयार करना।
मुझे अभ्यास में आगे क्या करना चाहिए?
PRAGMA (PRe trained Banking Foundation Model) Nvidia के साथ मिलकर विकसित किया गया encoder style, Transformer आधारित मॉडल परिवार है, जिसके प्रकाशित संस्करण 1 करोड़ से 100 करोड़ parameters तक हैं।