由IDC主办的“2021 IDC中国数字金融论坛”于 2021 年9月17日举办。本次论坛以“开放·重构·共生”为主题,就金融行业数字化转型现状及趋势、银行数字化转型的瓶颈突破与路径、金融科技与银行业务场景创新、银行智慧网点转型、智能运维落地、信贷风控转型、金融监管创新等议题展开深入讨论。本次论坛汇聚了“产学研”等领域的专家、学者,共谋数字金融创新发展之策。论坛上,IDC正式公布了中国金融行业技术应用场景创新奖获奖名单、IDC ChinaFintech 50 榜单等,旨在为金融机构数字化转型和数字金融创新发展提供新的思路和解决方案,以期共同发展。
本次案例评选历时半年左右,最终从71家金融机构的150案例中评选而出,各奖项均通过评选准备、案例征集、分析师调研核实、网络公众票选、内外专家评审、数据处理及综合分析等环节,形成最终评选结果。论坛上,IDC隆重公布了中国金融行业技术应用场景创新奖获奖名单,并为这些金融机构的33个优秀实践案例颁发了本年度奖杯。此外,2021 IDC中国Fintech 50榜单也于今日正式对外公布。
作为第三方研究机构,IDC持续关注中国金融行业发展现状及趋势,“开放·重构·共生”既是数字化时代金融行业数字化转型的关键词,也是IDC 2021年中国金融行业研究的主旋律。2021年IDC金融行业研究内容从区域银行数字化转型、低代码开发平台应用现状与策略,到隐私计算、远程银行、支付科技等的最佳实践案例均有涉及。未来IDC将持续关注从金融科技驱动,商业模式变革及合规风控等维度来诠释数字金融的生态建设。
IDC认为,随着金融与数字技术的深度融合,以客户体验为中心的服务理念的不断深化,及可持续发展模式的不断推进,金融服务形态发生了根本性变化。以开放、重构、共生为特征的金融行业数字化转型持续推进,从金融技术与场景的开放,到金融生态的共建与共生,再到金融底层架构、应用场景及内部组织的重构,既是金融机构对商业模式与业务重构全新探索,也是金融机构的主动求变和自我革新。
同时,论坛上,聚集了200余名来自银行、保险、证券、投资、互联网金融等金融行业的科技部与信息部高管、知名高校专家等,共话数字金融。清华大学计算机系长聘副教授裴丹分享了“智能运维”方面的主题演讲。演讲中,裴丹教授就IT运维发展背景、智能运维实践应用方法与经验、智能运维未来展望等角度展开了分享。中国人民大学法学院副教授郭锐就“金融科技中人工智能伦理”主题展开分享,解读了开展金融AI相关活动而进行的伦理安全?险分析的要点、难点及对策等。此外,中国银行、宇信科技、南天信息、蚂蚁集团、腾讯安全、中电金信、神州信息、Commvault、以及百度、华为等相关业务负责人也分别分享了银行普惠金融建设、隐私计算与开放金融、智慧网点转型、金融监管、金融风控中台建设、信贷风控、数据能力重构、金融科技创新等主题的观点与经验。
新冠肺炎疫情以来,数字经济、产业数字化转型已成为中国经济发展的新趋势。数字金融作为发展数字经济和推动产业高质量发展的重要组成部分,是未来金融发展的新蓝海。站在“十四五”新的历史起点上,IDC中国金融团队将持续密切关注中国金融行业发展动态,聚焦于金融行业的技术应用创新和业务场景创新,进一步发挥行业分析洞察与技术研究决策优势,协同行业伙伴,共同推动数字金融新发展。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。