ZD至顶网CIO与应用频道 06月30日 北京消息:2015年年底,国家税务总局发布《关于推行通过增值税电子发票系统开具的增值税电子普通发票有关问题的公告》,以及国家档案局、财政部发布最新修订的《会计档案管理办法》,这一系列新举措表明,电子发票越来越受到政府和企业的关注,迎来了新的发展契机。
在科技这个驱动经济发展的轮子下,推行电子发票是国家实现互联网+战略的重要基础性工作,传统企业正积极探索全新的发展模式和互联网+的管理方式。企业层面需要提高商业运行效率,而通过推进电子发票和会计档案电子化可以降低企业运营成本,提升数据资产利用价值。
6月29日,用友网络科技股份有限公司举办主题为“智能财税 生态互联”的电子发票企业级应用高峰论坛。用友网络董事长兼CEO王文京表示,用友网络在2014年就宣布全面进军企业互联网的战略,目前正持续推进“软件”、“云服务”、“金融”三大板块的融合创新,电子发票、会计档案是用友”云服务“中战略性、基础性的公共服务业务,对接了用友的全线”软件“产品。
用友网络董事长兼CEO王文京
今年年初,用友就成立了电子发票事业部,3月23日,推出电子发票服务平台,加快了对“互联网+电子发票”相关解决方案的研发,基于多ERP产品用户的业务需求,用友建立了以大数据云服务为特征的技术平台,与阿里、百望、航信、腾讯等多家第三方交易平台对接,实现了开票、流转、收票、报销、入账、归档的无缝衔接。
用友网络助理总裁、集团电子发票事业部总经理宋艳果表示,“纸质发票向电子发票过渡,不只是载体的变化、流程的变化,还可能带来整个商业模式的变革、财税管理方式的变革。”
用友网络助理总裁、集团电子发票事业部总经理宋艳果
电子发票可以和原来的流程连在一起,实现实时开票收票,不仅使得企业未来的业务发展和财税管理会上一个新的台阶。而且,从数据收集的角度来讲,纸质发票等于把信息僵化了,而如果是电子发票的话,信息就能继续流动,企业的数据分析颗粒度也就会更明细。在业务操作层面,使用电子发票后可以节省人工,降低成本,降低出错率,提升效率,从而促进企业管理的提升。
在个人应用领域,电子发票日臻成熟;在企业级应用领域,还存在诸多挑战。如何避免重复入账、如何系统集成、如何归集多来源发票、如何进行电子归档、如何保障安全性。
以如何避免重复入账为例,一般说来,电子发票入账包括销售发票入账、采购发票入账、费用发票入账,各自有相应的入账流程。电子发票是一种电子文件,是可以复制的,要想杜绝电子发票重复入账,就需有技术手段支持。
宋艳果以用友网络的电子发票服务平台为例进行了说明:“对于归集到用友电子发票服务平台的每一张发票,平台都会为它建立一个档案以记录它的生命周期。这张发票是由谁经手的,正处于何种状态,与哪张单据相关联,平台都会有相应的详细记录,一张发票只能入账一次,再次入账就会提示错误。”
用友的电子发票服务是基于财税一体化管理的理念来设计,核心是与生态系统的集成对接。一方面对接其他第三方电子发票平台、电商平台、安全厂商系统,实现发票的跨平台流转和一站式归集;另一方面,与企业的ERP、财务、报销、电商等系统的集成,打通销售发票入账、采购发票入账、个人报销、凭证归档等流程,实现电子发票的全流程电子化管理。
特别是在发票入帐后的归档处理,用友的电子会计档案系统可支持会计档案的电子化建档、查阅、借阅、移交、鉴定、销毁的全程管理。以用友NC为例,NC财务系统可输出符合国家标准的会计档案接口数据,经过档案系统处理后转化为PDF文件并加盖电子签章,对会计凭证、原始凭证及附件一并进行归档。为企业提供安全、规范、便捷、高效的档案管理服务。
目前,大多数企业将电子发票作为实现财务、税务互联网化的重要一环,但尽其用还需要与更多的电商平台对接,并与企业内部已有的管理系统相融合,形成一个完整的财税闭环。
为此,用友电子发票服务平台对接 电商、自建平台及第三方服务平台,支持企业从多种平台上取得电子发票,通过报销和采购模块进入到企业内部入账。对于使用用友产品的大量客户,用友电子发票服务平台可提供系统无缝对接,实现了企业商业数据以电子发票为媒介,通过销售、采购、报销、入账等企业经营流程,在企业与企业间的自由流转;针对非用友产品用户,该平台提供了标准API接口,通过接口为企业提供电子发票服务。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。