近年来,以多方参与、智能协同、价值分享等为主要特征的分布式商业逐渐兴起,区块链和分布式账本等技术实现了分布式商业中的对等、共享与透明规则,逐渐获得认可,并成为了前沿金融科技的核心代表。
随着区块链泡沫的逐渐消退,行业从业者纷纷寻求区块链应用落地的方向。在公链目前落地困难的情况下,以联盟链形式与垂直行业相结合的应用不断落地。不难看出,在不久的将来,各种垂直行业应用将密集爆发。
然而,目前区块链底层技术不完全成熟、基础设施未全面完善的形势还没有获得根本性转变,企业无法快速地投入生产力到基于区块链技术的各种业务场景中去,区块链技术面临的普及性问题亟待解决。
国内以金链盟FISCO BCOS为代表的开源平台,能够帮助企业一键式快速部署接入、拥有多中心化信任机制、支持私有链、联盟链或多链,拥有私有化部署与丰富的运维管理等特色能力,促进金融区块链的分布式商业应用落地。为了帮助更多企业提供技术支持、培养人才,金链盟中国区块链应用大赛诞生了。
8月28日下午,金链盟中国区块链应用大赛在北京泰富酒店正式启动。本次大赛在中国电子技术标准化研究院、中国计算机学会、中钞区块链技术研究院的指导下,由金链盟、 深圳市金融科技协会等单位主办;得到了微众银行、腾讯云、极客邦科技的大力支持。
大赛致力于在全国范围内征集企业区块链团队使用FISCO BCOS底层平台进行开发的优秀实践,评选出2018年度最佳应用案例,促进区块链技术的商业转化,同时扶持合作企业及初创企业落地更多基于FISCO BCOS底层平台的优秀应用。
发布会当天,百余位区块链从业者莅临现场,与来自工信部电子标准化研究院、中钞区块链技术研究院、金链盟、微众银行、腾讯、极客邦科技、四方精创、乐寻坊、安永咨询的嘉宾进行深入交流,认真聆听大赛的赛制规则、作品评审要求等,并对相关内容积极提问,现场已有超过20余支参赛团队确认报名。
据介绍,本次大赛奖项设置也颇为丰厚。特等奖1名,奖金人民币100万,一等奖1名,奖金50万,二等奖1名,奖金30万,三等奖7名,奖金各5万。此外入围大赛初审的参赛团队和企业也会获得相应奖励。
同时,参赛作品将有机会获得金链盟品牌和渠道支持、百家媒体曝光、一对一底层平台技术指导,还可获得创投机会。主办方还提供了初创加速器项目,配套了一系列孵化扶持资源以协助企业快速成长。
除此之外,金链盟每个月会有一次路演,分为团队参赛、嘉宾分享和项目案例展示3个环节,持续3-4个月;11月份进入评审环节,包括2轮初审加1轮复审,并于年底举办总决赛、颁奖和总结。
据了解,本次金链盟中国区块链应用大赛将FISCO BCOS企业级开源技术平台作为底层技术平台。公开资料显示,FISCO BCOS是金链盟成立开源工作组,由腾讯、华为、微众银行等九家成员机构牵头,为金融行业深度定制的完全开源的区块链底层技术平台。目前,FISCO BCOS平台源自国内的商业技术实践,已经在实际的企业生产环境中运营了一年多,技术平台和接口先天对国内的监管机构友好,符合国内大型企业级IT需求。
总结其优势:确保了金融交易的确定性,不可篡改,抗抵赖性;在数据安全、隐私保护、网络通讯安全等方面实现了无缝安全;在接受国内行业监管方面,可轻松接入监管系统,既可部署监管节点、自动获得数据,也可以把链上数据自动与监管系统同步、自校验,监管机构也可以选择参与交易或事后审核等多种方式;定位为企业级联盟链,重点考虑了金融业务场景的诉求,但也广泛适用各种行业联盟链。
作为集实践大成的开源底层平台,FISCO BCOS生态圈已逐渐成型,应用加速涌现,目前已有数十应用落地,百级参与机构,千级社区成员,并且仍在与日俱增中。其影响力遍及以支付、对账、交易清结算、资产数字化、供应链金融、数据存证、征信、场外市场等为代表的金融领域,以及司法存证、文化版权、娱乐游戏、社会管理、政务服务等领域。
另外,主办方还甄选其中较为典型的应用场景制作了一个《FISCO BCOS案例精编》,从场景解决方案的维度,介绍区块链优势、区块链解决方案,及目前落地的实践案例。目前第一期《FISCO BCOS案例精编》涉及机构间对账、供应链金融、旅游金融、司法存证、版权存证及交易、人才招聘、自然资源登记、竞猜游戏8个应用场景,11个案例。后续亦将根据新增场景案例落地情况不断加以完善和丰富。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。