近日,由阿里云联手英特尔主办的第一届“英特尔创新大师杯”深度学习挑战赛落下帷幕。经过激烈的线上角逐,易鑫集团旗下人工智能小组AI-Lab在“通用场景中文OCR文本识别任务”赛道上荣获季军。
上图:易鑫集团人工智能小组AI-Lab获奖成员
本次大赛聚焦计算机视觉OCR领域以及自然语言处理方向的经典技术,由通用场景中文OCR文本识别、中文NLP地址要素解析、中文NLP地址相关性等三个经典场景的深度学习任务组成,参赛选手可选择不同的赛道报名,自由发挥自己的算法技术和创造力。
作为国内专业的汽车金融交易平台,易鑫集团一直坚持“Tech + Fin”的发展战略,强调以技术驱动业务拉升、以数据驱动企业创新。目前,公司正着力发展以AI技术和智能算法为方向的金融科技能力。此次获奖的人工智能小组AI-Lab隶属易鑫智能数据中心金融前台部,是易鑫金融科技团队的重要组成之一。 团队参赛的OCR赛道是公司长久以来潜心研究的重点领域,旨在解决将现实场景中的文字信息转化为电子设备可以处理的文本信息,通过数字技术提升业务效率。易鑫团队的参赛方案,具有可应对复杂场景、准确率高、模型小、推理快等显著优势,从而成功地从2000多支参赛队伍中脱颖而出。
上图:易鑫获首届“英特尔创新大师杯”深度学习挑战赛季军
“易鑫所在的汽车金融领域,OCR算法应用的场景很多,比如客户的身份证件、征信材料、财产证明等文件的审核,信息检验与交叉验证等。算法团队反复打磨提升通用OCR算法的准确性,在此基础上开发了高精度的OCR应用工具方阵,可涵盖金融领域全场景业务需求,极大地提高了业务审核的准确性与时效性。” 易鑫人工智能团队负责人说。
目前,易鑫AI-Lab自主研发的智能风控审核系统、视频面审/核系统、“小鑫鑫”智能语音机器人等产品,已逐步应用在易鑫的实际业务中,其中多项产品正在申请国家专利。
未来,易鑫将继续坚持“Tech+Fin”发展战略,紧密结合汽车金融平台业务,专注垂直领域的人工智能技术应用开发与探索,加快推动汽车金融行业迈向全流程智能化的进程,让人工智能技术发挥更大的作用。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。