至顶网软件频道消息: 6月6日,《InsurTech Future 2018 亚太保险科技峰会》在上海如期举行,近千位来自国内外保险行业、科技创新产业的企业代表及技术专家共聚一堂,共同探讨保险科技的创新发展之道。和金在线(北京)科技有限公司(以下简称和金在线)作为致力于用大数据技术推动保险行业数字化转型的科技公司,参与了本次大会,并于现场想与会嘉宾展示了其核心产品以及实践应用。
信息技术的进步在现代金融创新中发挥了极为重要的作用。而历史的经验告诉我们,大数据对金融业的影响将是全面和深刻的,金融业的经营理念、风险定价、产品设计、营销策略、客户服务、风险管控、组织构架乃至于金融监管,都必须适应大数据时代的要求。
在新时代,,传统金融企业必须充分运用大数据的理念和技术改造自身业务和管理流程,监管机构也必须深刻理解新的竞争格局对风险防范、消费者保护等方面的影响,并善于运用大数据来提升监管的针对性和有效性。
和金在线致力于为保险企业提供高效可靠的海量数据存储及管理、数据分析与深度挖掘、人工智能(AI)、可视化应用等一站式大数据技术解决方案,帮助客户提升数据洞察能力,助力企业实现数字化运营。其中核保、核赔系统,广受保险企业欢迎。
建设完整核保机制,大数据全面助力核保
在大数据时代,如果保险企业不能快速反馈核保结论,容易造成投保客户的大量流失。和金在线基于大数据实时计算引擎技术的智能核保平台,全面提升企业自动核保的能力,能够轻松面对业务集中爆发对核保系统造成的压力,尤其是开门红时期,高效、准确的智能核保能力,能够自动处理大量的核保请求,降低了人工核保的工作量,提升了核保人员的工作效率。
和金在线核保产品架构
和金在线的核保核心功能包含:投保人信息核查、核保自动审核、投保单甄别、核保风险评估、核保风险报告五个方面。通过一系列产品操作,保险公司能够快速对投保人的不良信息进行筛查,对有过欺诈或失信行为的人加以拒保。另外可以训练风险定价模型,对于高风险客户通过提高保费增加欺诈或逆选择客户的成本。
核保、核赔,缺一不可
除了核保,核赔对于保险企业也同样重要,和金在线基于人工智能技术,开发了一套基于大数据平台的识别健康保险欺诈和滥用的智能风控系统,用以侦测发现健康保险被保人的理赔申请中,可能出现的欺诈及滥用行为。
和金在线健康险欺诈风控系统示意
该风控系统包括专家规则引擎和模型引擎,分别对理赔案件进行多维度,多视角监控。基于保险公司普遍缺乏可靠的欺诈标签的现状,利用无监督模型探测异常赔案;模型对每个赔案进行评分和风险等级评估;模型评分和专家规则相结合,自动生成可视化的赔案风险评估报告,对高分案件即高风险案件给出风险提示,极大提高了理赔案件的审核效率,并有效降低了可疑案件带来的损失。
核保、核赔等风险控制是保险公司稳健经营的重要一环。在大数据时代,保险业必然要利用新技术手段,将风险防控工作做到极致,和金在线在未来将秉承公司理念,持续为保险企业和行业的发展创造有意义的价值与保障。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。