至顶网服务器频道 05月31日 新闻消息(文/李祥敬):当前,随着”互联网+“向”智能+“的演进,中国数字经济进入深度发展阶段,企业数字化转型升级加速。对于金融行业而言,金融企业正在以数字化思维重塑业务流程、产品服务及客户体验,在步入全面云化时代的同时,向智能化方向持续演进。
随着金融数字化能力的发展,金融业态及模式已经发生了彻底的改变。数字化变革时代,客户在不同的数字化场景接受金融服务,金融企业在全数字化流程中处理业务,在以数据支撑的数字化平台下进行金融产品及服务创新,并以开放态度与生态伙伴联接,对外提供服务。很多金融企业正在利用金融科技向外场景延伸,金融数字化场景也随之变迁。这种变迁和延伸不仅会继续提升金融企业的数字化能力,也助力更多无处不在的金融服务。
在新华三2019Navigate领航者峰会上,新华三集团副总裁、金融事业部总经理李乔在接受媒体采访时表示,全社会的数字化发展已经进入新阶段,而金融数字化能力也成为全社会数字化水平的重要指标。金融企的业数字化转型,可以简单概括为依靠金融科技,实现以客户为中心的模式再造。
未来,数字金融成为主要发展方向,无摩擦服务、无缝衔接、实时体验、高效监管、安全等将成为数字金融的几个明显特征。而数字金融发展需要三个核心能力:数字化、网络化、智能化,这三个能力不是金融科技演变的路径,而是在各自的纬度当中不断发展,并且互相影响互相促进。
新华三携手合作伙伴通过数字金融架构的“4+N”模式共同赋能行业变革。其中,4 是依托紫光集团和新华三强大的平台技术能力构建行业使能的智能数字平台,包括以“ABC”为核心的业务能力平台、数字基础设施、主动安全和智能运维;“N”是与生态伙伴共建数字金融应用生态,为金融行业客户提供全面的数字化、智能化业务支持。
具体来说,“智能+”背景下,为了满足金融行业智能化的需求,新华三不断投入,推出了以ABC为核心的智能化业务能力平台。李乔介绍道,新华三一方面在自身的解决方案中全面引入智能化能力;另一方面,构筑智能化应用支撑平台对接各类智能应用。业务能力平台以ABC为核心,这里面的ABC具体指:A-AIOS人工智能平台;B-数据计算引擎DC-Engine(Hadoop/MPP集群),业内领先的MPP列式数据库;并内置了强大的机器学习能力;C-对接金融云不同场景和特性需求的IaaS及PaaS平台。与此同时,新华三通过移动互联、边缘计算、IoT等技术方案对接各类数字化场景,助力金融实现无缝衔接。
李乔还表示:“今年我们在人工智能平台以及云的PaaS平台当中加入很多金融的属性,而且新华三坚持投入,通过今后一两年的迭代,希望为广大的生态提供更好的支持,为最终客户提供真正的智能化支撑。”同时,新华三推出了面向金融的稳态和敏态融合的IT架构,核心业务承载需要高可靠、高品质的产品及解决方案,新华三不仅具备传统核心业务承载的广泛实践,而且在开放核心和云核心平台上也有很多成功实践,满足多场景的客户需求。
新华三践行全栈云服务战略,实现私有生产云、互联网金融云、行业云、开发测试云的全场景落地。值得一提的是,新华三助力中国人民银行清算总中心、太平洋保险等金融核心客户实现从稳态到敏太的架构转型。新华三在践行全栈云服务战略的过程中,实现金融生产云、互联网金融云、行业云、开发测试云全场景落地 。作为SDN市场领导者,新华三拥有最丰富的金融SDN实践经验,在全生产环境规模部署SDN架构。截止目前,新华三为50+核心金融机构构筑新一代网络,包括大型银行保险金融机构、股份制银行、及城商农信等更多金融行业客户。
在安全领域,新华三凭借全系列的AI防火墙以及态势系统,可实现全面主动化。“区别于以前的被动,我们实现主动的防御以及主动发现、预防,将引领主动安全防护进入智能新时代。”李乔介绍说。
在运维方面,新华三重新定义运维,重磅发布U-Center2.0统一运维平台,并推出针对金融行业的五大运维解决方案。新华三致力于成为国内IT运维与运营服务的领航者,为数字化转型提供最专业的护航。李乔表示,尽管智能化运维在金融行业用得很多,运维系统对提高故障的排障能力,保障上层应用安全稳定至关重要,但就新华三本身而言,运维系统实际上是唯一的业务系统,新华三将在五月推出基于运维的数据平台,该运维数据平台将结合新华三自身的族谱做一些算法,同时联合其生态合作伙伴如清华大学做联合共研,向客户推出完全智能化的运维平台。
在数字化转型之路上,金融机构面临的是全方位、多层次的转变。新华三依托深厚的行业深耕实践,通过数字金融架构,助力行业拥抱数字金融,激活数字化转型,实现数字化金融革新。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。