近两年,烟草行业部分单位围绕中心任务,结合实际,守正创新,开展了许多研究探索。比如,在财务大数据价值挖掘、会计共享中心建设、财务风险预警系统建设等方面做了大量卓有成效的工作。在这样的背景下,辽宁烟草策划建设了“智能风险体检预警系统”:
按照“网格化管理、模块化体检、单元化预警”的方式;基于财务核算、资金管理、资产管理、预算管理等系统数据;建立分层级、分业务模块、具体到指标单元的财务风险体检预警体系;通过数据抽取、数据清洗、数据分析、模型展示、智能预警等技术手段。实现对财务信息规范性、财务风险重点关注指标的定期检查与预警,旨在提升财务风险管控水平。
首先,辽宁烟草梳理出最为突出的三大数字化诉求:
1.财务工作问题亟需提前预警管理机制:财务管理服务于企业生产经营,涉及面广、专业性强,在实际工作中难免出现问题及缺陷。但如果发现相对滞后,很可能造成不利影响或产生经济损失。亟需达到事前发现风险、预警风险的管理目标。
2.大量财务数据沉积,未呈现其价值:辽宁烟草已经积累了大量的财务数据,包括核算数据、预算数据、资产数据及资金数据等。但尚未得到有效的价值挖掘利用,更未结合企业常规风险点开展管理诊断工作。
3.风险管理无支撑,难以发挥作用:风险的识别、发现和应对,需要数据驱动。没有大量数据做支撑,难以判断风险的等级并进行过程监督,更无法规范业务行为,使企业整体达到降本增效的目的。
然后,在清晰了解和理解企业自身诉求的基础上,辽宁烟草建立了三大数字化建设目标,并且对目标进行深入具象化——即“建立怎样的体系?实现怎样的评价机制?达成怎样的效能状态?”。

4.建立分层级的财务风险体检预警体系:智能体检系统以“网格化管理、模块化体检、单元化预警”为理念,重点关注高风险信息为主,次级风险信息总量为辅,满足各级管理层对风险情况的及时了解和全面掌控,提供体检结果定时生成、体检信息定向推送服务。
5.建设智能风险体检系统实现对财务风险的自动评价:通过建设财务风险智能体检预警应用系统,实现公司财务风险评价体系的系统化应用。以财务核算、预算、资产、资金等系统数据为基础,用计算、统计、分析、监控等方法为手段,实现对财务风险点的数据化度量。改变原有人工进行财务风险分析取数难、计算量大、低效率、不及时等状况,提升财务风险统计分析的效能。
6.完善公司高效能治理体系:通过开展企业财务管理的全方位体检,满足各层级管理需要。将智慧财务建设与风险管控相融合,建立涵盖资产、资金、核算、预算等各方面的财务风险评估模型和财务风险管控指标库,对即将超越红线或达到预警线的关键指标进行定期检查与实时预警提醒。不断探索和完善大数据在财务分析和风险防范方面的应用,搭建起财务大数据分析体系的雏形,完善辽宁烟草高效能治理体系。
随着智能财务风险体检在全省的推广应用,全面覆盖了核算、预算、资产、资金等范畴的常规财务风险预警,可提前预知、预判风险。目前,辽宁烟草通过风险体检系统定期生成并下发“财务风险排查表”的方式,督促成员单位针对发现的财务风险隐患限期进行整改。全省实现对各类财务风险的预警,并形成完整的防控和整改机制。通过这些举措进一步提升了财务风险防范意识,提高了会计处理及时性、财务数据的准确性以及做账的规范性。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。