技術與做法
成立 Revolut Research，與 NVIDIA 開發專有 foundation model PRAGMA；以逾 80 百萬客戶、40 多個市場的跨境交易與金融行為建立共享 intelligence layer
商業與財務影響
尚無獨立成效驗證
公司內部歷史資料評測：違約風險辨識準確度為舊基準的 2.3 倍；多抓到 65% 詐欺且警報 precision 高 17%；推薦相關性高 41%。這些是 Revolut 宣稱的 early deployment／historical-data 結果，未經獨立驗證，也不能直接等同生產環境損失下降
原始證據說明：公司揭露 · 尚未獨立驗證
數字與分級說明
此等級依量化記載與驗證說明判定。 部署人數、覆蓋範圍與效率／財務成效應分開看；量測期間、比較基準與方法也會影響解讀。
進展與應用地點
組織擴展（原始記載：組織擴展）
全球／未指定地點
來源未明確指出單一實際部署國家／地區，故不以供應商總部推定地點
延伸研究
研究模型風險、證據留存與人工升級門檻如何納入財務控制設計
研究切入點，非來源已證實成果
來源與核對
來源已開啟並核對事件日期與應用內容；量化數字保留原披露者與自述性質，未視為獨立驗證
來源性質：來源待分類。來源核對不等於成效已獨立驗證
Revolut收錄自：每日財經科技研究