ZDNet至顶网软件频道消息: 今年,金融科技专家们将硅谷精神带到了华尔街、普罗大众身边乃至更广阔的世界。
彭博公司今年刚满32岁,和他的很多大的金融行业客户相比相对年轻,但与诞生于科技大变革时期的科技领袖如亚马逊(19岁)、谷歌(Google,15岁)、和脸书(Facebook,10岁)相比却更加成熟。 彭博正处发展中期,一直脚踏实地提供与全球市场活动相关的新闻和数据,彭博至今依然保持一定的增长。今年到目前为止,彭博终端的用户数量增长近3,000名,这一数字略低于总用户量的1%。
但彭博一直在不断地挑战自我。与来自硅谷和其它创业热土的年轻公司一样,彭博也是一家创新工厂,但它并未自己标榜为一家纯技术公司,而是不断提升核心的信息业务。通过供应商联盟、标准化制定以及参与开源社区,彭博的3,000多名科技专家不断完善彭博终端,提升交易和数据速度,扩大彭博在全球金融科技领域的影响力。这一系列的突出成就使彭博金融产品与服务全球负责人施刚达(Thomas Secunda)这位具有远见卓识的科技专家史无前例地连续第三年荣登《机构投资者》科技50人榜首。
彭博拥有一个可用性实验室,反复进行着产品的创新和再造。 用户与新产品、工作流程和屏幕设计的互动将会被科学记录。施刚达表示,彭博广泛地保持研发原型化,近几年也逐渐依靠用户体验和专家意见使之走向正轨。可用性实验室已建成3年,但关于可用性的创新在彭博创立之初就已开展。
《机构投资者》年度科技50人榜单由杂志编辑和工作人员制定,并由业内人士及专家提名和评估。主要标准包括:职业生涯的成就和贡献,职责范围及复杂程度,在公司内外部的影响力及领导力,以及纯粹的技术创新能力。2014年的其他部分获奖者还包括来自以下机构的高管:美国银行、富达投资、高盛集团、贝莱德、花旗创投及瑞士信贷等。
《机构投资者》杂志2014年科技50人
第一名: 施刚达(Thomas Secunda)
彭博金融产品与服务全球负责人施刚达(Thomas Secunda)
施刚达(Tom Secunda)表示,1982年创立时彭博是推动债券交易变革的工具。
作为彭博的联合创始合伙人和副董事长,施刚达对这家总部位于纽约的金融信息服务商备感自豪的成就之一是彭博提升了多个市场的透明度,并开辟了通过多种工具不断提升价格查询和交易效率的先河。
但产品的激增及市场的快速发展以及由此而产生的大量数据却在某种意义上又带来了新的问题。施刚达发现,“信息泛滥给透明度带来了新挑战。”即便是彭博专业服务的用户(在全球超过32万名)都想知道:“信息如此繁多,我怎么样才能找到自己需要的内容? ”
彭博金融产品和服务全球负责人施刚达正带领3000多名技术专家着手解决这一问题。用这位60岁负责人的话说,他们正在用一种“结合人工智能、专业知识、自然语言处理和机器处理的方式”,不断探索以简化导引与搜索。长期以来,用户需要深入了解终端才能充分加以利用。施刚达希望这一平台也能服务那些只需简单答案的非专家型用户。他表示,“我们试图让机器去完成复杂的工作。”
“简化”也是彭博10亿美元企业解决方案的关键词:施刚达所提到的科技、平台以及数据管理服务可以为客户节约大量成本的同时也为彭博带来新的利润。今年,彭博创始人迈克·布隆伯格(Michael Bloomberg)结束了其12年纽约市市长的任期后重返彭博。“他为公司带来了新的能量与激情。他会不断督促我们,因为他自己也钟爱简洁直观的事物,” 施刚达说道。
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。