近日,2024中国国际金融展“金鼎奖”评选结果正式揭晓,该奖项旨在表彰2024年度在助力金融行业数字化转型方面作出突出贡献的金融机构和科技企业。宏杉科技企业级NAS存储解决方案凭借在金融行业的出色表现,荣膺“优秀金融科技赋能业务创新案例奖”。
随着金融行业数字化转型的加速,其业务数据尤其是交易记录、影像资料、客户文档等产生的非结构化数据呈爆炸式增长,对存储的安全性、可靠性、高性能及灵活扩展性提出了更高要求。
宏杉科技深度洞察金融行业的数据存储需求,推出企业级NAS存储解决方案,致力于提供简单易用、性能卓越、安全可靠的数据存储与管理方案。
支持多种协议,实现无缝共享
该方案支持CIFS、NFS、FTP、HTTP等多种共享协议,可轻松实现跨平台、多类型的数据共享与传输,可与金融行业主流系统无缝对接,有效降低集成成本。
软硬件结合,性能大幅跃升
为全面满足多样化应用场景下对NAS存储性能与可靠性的要求,该方案通过软硬件结合的方式,实现了文件系统性能的大幅跃升,以满足金融行业对实时交易数据、高频查询等业务的高性能需求。
多重保护机制,确保业务连续
该方案支持多种数据保护与业务连续性保护功能,可构建NAS双活方案,确保业务稳定可靠运行,充分满足金融行业对业务连续性的高要求。
目前,宏杉科技企业级NAS存储解决方案已广泛应用于金融、政府、医疗、企业等多个行业,获得广泛认可。以中国人寿项目为例,宏杉科技为中国人寿配备了多台中高端NAS存储,分别应用于OA办公、文件归档、数据库备份、影像存储等多类业务中;同时配置远程复制功能,可将数据异步复制到灾备中心,满足用户对数据保护的需求。
此次获奖,是对宏杉科技在数据存储与管理领域持续创新和卓越贡献的充分认可。未来,宏杉科技将继续秉承技术创新、客户至上的理念,为金融及更多行业的数字化转型提供强有力的技术支持,助力千行百业实现数字化革新与升级。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。