ZDNet至顶网软件频道消息: 联合银行(资产970亿美元)一直通过收购其他机构,更新原有系统和推出新的前端应用来与其他顶尖银行竞争。
在更换用于按揭和储蓄存款(deposit accounts)的系统和流程时,该银行利用CA的服务虚拟化得以在应用开发的测试阶段对更多的场景进行仿真。借助该解决方案,每种应用每次测试的开发环境设置时间缩短93%,并且因刷新测试环境导致的系统停运时间缩短90%。
借助这项功能,联合银行在成功运行了更多不同的组合方案(从Santa Barbara Bank & Trust集成的账户、系统和客户数据方案)测试后,于去年顺利完成收购社区银行Santa Barbara Bank & Trust。
此外,该银行还运用服务虚拟化开发新的网银和移动银行应用。该解决方案能支持银行在替换原有系统时仿真相关变化对银行后台带来的影响,同时也能对这些变化如何对前端应用产生影响进行仿真。在某些情况下银行的应用开发时间可以节省3.5个月之多。
随着测试时间的缩短,该银行还将测试周期成本降低65%到85%。联合银行已将节省的成本再投入到测试流程,以供进一步改进使用,同时还能更好地增强银行为其未来发展夯实基础的能力。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。