创新物流金融模式,重构产业数字信用和交易服务
中拓数字化产业金融服务平台是基于存货的全场景业务覆盖、全方位客户支持的产业金融综合服务平台,是浙商中拓以自身供应链集成服务能力与风控能力为基础,以天网地网建设为抓手,引入银行等资金方,输出货物监管、价格盯市、变现处置等服务而打造的集金融模式、风险监管、技术赋能于一体的金融科技平台,致力于成为连接大宗商品行业流通环节资金方与资产方的桥梁。
打造科技金融与创新供应链生态平台
平台总体系统架构共分为四层,采用微服务架构,自下而上分别为基础底层平台、物流平台、金融管理平台以及门户支持平台。
其中基础底层平台通过区块链、物联网等基础技术搭建基础底层平台,以物联感知提升全程风控能力,嵌入智能化软硬件,获取清晰货权数据,计算可靠货值数据,确保项目的可拓展性、开放性、安全性及先进性;
物流平台充分利用现有系统做好金融服务支撑;
金融管理平台重点打造物流金融平台业务核心功能及数据服务功能,包括银企直联、质押监管、盯市管理、仓储管理、物联网监管等子系统,满足业务在线的同时,满足风控及管理的要求;
门户支持平台面向供应商、客户、银行等其他外部机构,为融资方、监管方提供便利的全程线上服务门户,打通与资金方系统链接并提供增值服务,全面提升融资方、资金方的服务体验,提高物流金融业务办理效率。
此外,根据数字化仓单行的战略体系和管理要求,进一步固化仓单标准体系,线上化实现仓单签发、仓单质押、放款、还款、仓单解押、仓单合并拆分、仓单注销和归档等全生命周期功能,逐步打造中拓数字化仓单全流程管理平台,利用数字孪生仓储,建立基于仓储空间数据和质物数据构建仓库立体虚拟模型,向质权人、货主、物流公司提供每一个货架的实时情况,为数字化服务、数字化风控、数字化金融保驾护航。
重构产业数字信用,助力实体经济
“拓易融”产品以现有已使用的真实业务系统为基础,打造统一的业务操作平台,为融资方和资金方提供全方位服务并提供贯穿客户始终的全生命风控管理体系,最终确保业务的货物是真实的,货权是清晰的,货值是可靠的,从而解决了行业的关键痛点,防范假仓单、一货多押、重复质押、货物丢失等行业的问题。
中拓通过拓展供应链金融业务来扩大了公司的客户群体和增强客户粘性,在客户增加、业务流量扩大的基础上来强化供应链上各服务品种的拓展和规模化运营,共同打造产业链内供应链协同发展生态平台,为产业链上下游及生态客户提供服务。该平台的推广使用已为公司带来干万余元收益。
“拓易融”产品运用中拓业务流量来源和金融仓储监管等核心竞争优势,搭建银行与客户间的数字化产融通道,实现双促双嬴,进一步体现国有企业担当。一方面,可快速帮助银行获取稳定的业务客户,优化银行的资产分布,增强风险管控能力;另一方面,可为客户提供便捷、低成本的融资渠道及配套供应链服务,有助于帮助客户解决资金痛点,快速改善现金流,提高存货周转,扩大经营规模。目前,中拓已经基于平台和12家主流银行在合作,授信超过90亿,服务客户超过200家,累计用信超过65亿。
下一步,公司数字化产业金融服务平台将继续围绕公司成为世界一流的产业链组织者和供应链管理者的战略发展要求,不断强化科技金融,通过数字化应用和物联网技术将资产管理起来,发挥资产作用及价值,形成数字化资产输出。同时追求绿色、环保、节能、生态,未来逐步向智能化、少人化甚至无人化转变,不断追求用户极致体验,为用户提供多元服务,最终打造国内第一仓单行,立足产业,服务全国。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。