案例基本内容和执行情况
天翼云科技有限公司、中国电信股份有限公司福州分公司,同福州数据资产交易公司共同建设了福州数据交易服务平台。此平台于2022年10月正式上线,为在闽建设的首个数据综合服务平台,基于七个一大数据底座能力,通过电信自研的隐私计算架构,结合数据优势,对数据交易安全性进行了深入建设,实现了政务数据+运营商数据+互联网数据的安全多维运算与场景化模型开发。聚焦金融、交通、新零售三大行业,面向征信、反诈、停车管理、物流管理、市场调研、精准营销、广告效果监测等7大场景提供运营一体化服务解决方案。
其优势有:
一、安全优先设计平台架构:探索“用数”与“见数”相分离的数据资产使用方式,引入自研联邦学习架构解决用户不敢用的顾虑。
二、市场优先构建数据产品:以金融、交通、互联网行业的实际需求入手,根据使用场景设计解决方案,再提炼共性形成产品,解决用户不想用的迷茫。
三、标准操作实现轻量运营:整理底层字段表,提供拖拉拽式数据资产开发工具,降低数据价值提炼门槛,解决用户不会用的尴尬。
案例主要经济成效和社会成效分析
该项目结合中国电信丰富的计算资源以及网络和通信数据优势,在电信领域隐私计算精细化运营框架下,引入多家有数据建模的外部业务需求方。在金融、交通和新零售三大领域,提供征信、反诈、停车管理、物流管理、市场调研、精准营销、广告效果监测等7大场景的服务,并取得了良好效果。
1)经济效益
从取得的经济效益来看,本案例成效目前主要集中在金融场景,如基于该平台建设小微企业智慧快贷产品,自上线以来已累计为建行带来引流授信金额接近 5 亿元。
在推广过程中预期的经济效益来看,在隐私计算技术商业落地过程中实施精细化运营机制,通过科学的数据定价方法和精确的数据价值衡量使得数据供给商在数据要素经营过程中能公平地按价值贡献参与收益分配,从而可以激励更多高价值和高质量的数据供应商加入隐私计算生态。此外,在面对数据规模、计算速度、网络条件等环境不均衡的情况下,通过资源调度优化实现异步加速训练,达到降本增效的经营目的。
2)社会效益
一、打破数据孤岛,提高数据价值
数据业务运营服务平台,在保护数据隐私的前提下,通过隐私计算技术解决 当前数据开放分享中普遍存在的“不愿”、“不敢”、“不便”三大问题,打破数据孤岛。同时创新性的通过数据业务运营服务平台内的数据开发套件,在脱敏数据不出平台的基础上,实现数据价值挖掘,并保障了数据提供方的知识产权。
二、整合政务数据,提升城市服务能力
数据业务运营服务平台,具备综合多方政务数据的能力,通过隐私计算的方 式,构建价值模型,服务于城市建设、人口管理、智能防疫、辅助城市交通治理、 扶贫攻坚,为政府部门提供政策辅导和支持。
三、促进行业数智化转型,推动创新发展
数据业务运营服务平台,以技术服务为根基,积累多场景案例,促进行业数 智化转型,构建数据生态。营造良好的大数据生态环境和城市科技氛围,强化人 才引进、推动创新发展。同时通过项目的落地建设,培养深耕如金融行业、兼顾多行业发展需求的综合性大数据人才及应用开发人才,实现人才培养及人才引进, 吸引大数据行业企业落地福州。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。