至顶网CIO与应用频道 12月24日 北京消息:随着科技进步,以云计算、大数据、移动应用、人工智能、区块链等为代表的数字化技术正在不断改变着人们的工作和生活方式,带来了层出不穷的数字化服务,数字化转型正在成为各行业的必要选择,在金融这个天生就与数字化密切相关的行业更是如此。金融行业已经从金融产品、金融服务进入到了场景金融时代,场景化金融时代数字化转型已是中国金融行业的必经之路。为金融行业持续提供软件基础平台产品及服务的普元于近日正式成立数字化金融研究院,专注技术创新和金融创新解决方案研究,聚焦金融企业数字化转型,提供引领性的技术方案和可依赖的技术服务。
提升技术创新能力刻不容缓,普元数字化金融研究院成立
普元在金融行业持续耕耘多年,2004年开发平台在交通银行得以应用,开始被大型国有商业银行认可;2008年中国建设银行 SUP 平台咨询与实施,确立了在商业银行咨询+产品+实施的业务模式;2011年中国工商银行 CTP 平台咨询与实施,普元金融行业的方法、架构、产品与技术得到全行业的认可;并相继展开与兴业银行、中信银行、国家开发银行、浦发银行、邮储银行、广东农信、上海银行、北京银行及中国人民保险、中国太平洋保险等金融企业的深入合作。
当下金融行业的新技术及创新解决方案应用速度越来越快,提升普元金融技术创新能力、为金融客户提供持续的创新解决方案已经刻不容缓;加强技术创新与研发是普元金融的头等大事,为了提升普元金融的技术创新能力助力金融企业数字化转型,由普元CTO焦烈焱挂帅正式成立的数字化金融研究院,将致力于技术创新和金融创新解决方案研究。
数字化金融研究院:专注技术创新和金融创新解决方案研究
普元数字化金融研究院将通过与客户、合作伙伴、研究机构、行业协会、专家组织等的紧密合作,研究金融企业数字化转型中的软件基础架构、工程效率及创新应用等领域的新技术及解决方案,探索场景化时代客户交互模式、场景化应用及支撑的业务中台架构。
普元CTO焦烈焱表示,普元数字化金融研究院将基于深入的研究与探索,为金融企业提供引领性的技术方案,并通过成熟的技术团队为金融企业提供咨询与规划、产品与技术、计划与实施、运营与维护、成果与展示等可依赖的技术服务,助力金融企业数字化转型。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。