ZD至顶网软件频道消息:北京同城翼龙网络科技有限公司成立于2007年,是国内P2P行业中第一批探索者,总部位于北京。翼龙贷作为联想控股成员企业,是国内首倡“同城O2O”模式的网络借贷平台。目前已在全国数百个城市设立运营中心,覆盖超过1000个区县,并计划在未来快速拓展至3000个区县。翼龙贷旨在为广大三农、小微企业主提供P2P借贷服务,平台本身不是借贷主体,而是信息服务者、撮合者以及风险控制者,为大众提供低门槛、能触及、低成本、高效率、安全可靠的融投资新渠道,满足借贷用户的资金需求。
随着翼龙贷高速发展的业务量,客服团队的发展遇到了一些困境。首先,客服模式单一:服务渠道不统一,企业QQ、问题反馈单、论坛、QQ群、400无法协同,同时客服交互方式覆盖不全面,微信公众号和APP没有接入客服,人工客服工作时间为无法全时段覆盖。第二,投放央视广告3.5亿标王后,来访量增长快,客服日均接访量巨大。已有的30人团队,扩张速度过快,现有系统无法很好的支持管理,效率很低。第三,翼龙贷内部的客服支撑系统较薄弱,考虑到自主研发的消耗太大,一直没有很好的建立;同时当前的客服软件无法很好地帮助翼龙贷完善和建立对业务有帮助的知识库,所以企业知识库一直是不完备的。
2015年12月翼龙贷决定全面替换原有客服系统,改为与智齿合作来重新建立在线客服体系,智齿客服很好的支撑了翼龙贷的在线客服业务。
1.帮助翼龙贷构建完善的多渠道智慧客服体系:翼龙贷在多个渠道端同时完成在线客服部署,一天内完成调试上线。帮助其实现多渠道的统一管理,覆盖网站,微信公众号,APP,完全达到互联网的全入口覆盖;通过在线交互和工单反馈整合处理,客服通过一个后台统一回复,并形成整体的数据分析;精准的机器人应答,覆盖全时段访客咨询,提升客户的访问体验。
2.机器人和人工结合有效的节约成本,提升效率:智齿客服通过机器人解答大量的简单重复问题,帮助企业节约人力成本,只需12人即可完成接待,在不增长客服的情况下,机器人辅助接待,使得接待效率提升2倍。机器人每天帮助用户回答超过2000个问题,其中89%为翼龙贷的业务问题。项目合作之前,日均300访客咨询,上线两周之后,业务增长,最高日均超过600,带动了业务增长。另外,在没有人工或排队时,机器人的接待能力更好的提升了接入用户的体验。
3.搭建完整的企业问答知识库:智齿客服帮助企业在2周内完成了255个问题的知识库体系及热点问题统计。通过全时段接入用户,有20%的问题来自于客服下班后的机器人解答,提升了业务机会。同时通过未知问题的完善,帮助用户不断完善知识库。
4.构建完善的客服考核体系和客服支撑系统:借助智齿的客服KPI系统,帮助翼龙贷建立了完善的客服考核体系;通过开放的客服API接口,对接翼龙贷的认证系统,使客服工作更加便利。
此外,考虑到金融领域的安全性需求,智齿客服从应用安全、部署安全、底层安全等几个维度保证了系统等稳定性和安全性。目前,智齿客服已经服务了诸如宜信、翼龙贷、京北金融、紫马财行,以及量化派等互联网金融行业的领军企业,具备丰富的行业服务经验。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。