12 月 24 日,上海跬智信息技术有限公司( Kyligence,简称“上海跬智” )与中国银联股份有限公司(简称“中国银联”)在上海签署共建“创新型金融数据服务联合实验室”合作协议。
上海跬智联合创始人兼 CEO 韩卿现场致辞
本次合作中,双方就联合研发新型大数据基础与分析平台、建设适合中国金融行业且具有国际先进水平的创新型数据服务及开源生态等合作达成共识,将共同探索和打造符合云原生、智能化、高性能要求的数据平台与服务,推动创新型大数据技术在金融领域的应用。通过共建创新型金融数据服务联合实验室,充分发挥各自领域专长和优势,升级合作,加强资源整合,围绕下一代数据产品孵化、大数据人才培养、金融科技创新赋能、开源生态共建等方面加强合作。
此外,为更好展开金融大数据研究工作和创新实践,CIC金融科技与数字经济发展专家委员会顾问陈静、CIC金融科技与数字经济发展专家委员会主任杨竑、南京大学计算机系副研究员顾荣将担任实验室顾问,为项目提供专业的指导意见,共同肯定了以共建联合实验室方式加速金融科技产业合作创新,以开源开放形式推进技术进步。
此次合作协议的签署,标志着双方在大数据方面的创新探索迈出了新的一步。双方将秉承相互开放、优势互补、互利共赢的原则,共同推进金融科技创新,为打造安全可靠、技术创新、满足金融业务场景需求的大数据服务能力而努力。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。