[中国,深圳,2018年11月14日] 今日,华夏银行股份有限公司(以下简称“华夏银行”)与华为技术有限公司(以下简称“华为”)在深圳签署了合作协议,携手打造联合创新实验室。未来双方将在信息技术和通讯技术在金融行业的应用、未来技术趋势研究等方面展开合作研究和应用实践,以联合创新实验室和项目组等方式,重点在金融云、大数据、AI等领域进行创新合作。这标志着双方就加强各自业务和科技优势互补,共同促进科技与金融进步达成深度共识,在信息技术金融应用领域将开展全方位深层次合作。
华夏银行与华为签署合作协议暨联合创新实验室揭牌仪式
银行与科技,是新时代发展背景下改革、转型、创新、融合的新型共同体。一直以来,银行业都是新技术应用的实践先锋,银行业务与新技术相伴相生、互相促进。而“金融科技”的迅速崛起,更为传统银行业带来“新生态”。从产品、服务、流程、业务模式,再到金融市场、金融机构、金融服务提供方式,银行业乃至整个金融业,都在“金融科技”的推动下经历着全流程革新。以科技创新打造新的增长极,成为银行业转型发展的重要突破口。
对此番合作,华夏银行副行长关文杰表示:“面对新一轮科技革命与产业变革,华夏银行强力推动以大数据、云平台、移动、互联、智能为基础的金融科技发展战略,打造网络金融价值中心。华为是全球一流的IT领军企业,其强大的技术创新能力、定制化能力以及快速响应客户的支持能力满足我们的发展需求。我们与华为在IT基础设施以及金融云方面已有深入的合作,未来我们还将继续在云平台、人工智能等方面深化和拓展研究合作领域,为我们的客户提供更好的金融产品和服务。本次联合创新实验室的签约挂牌将进一步提升与拓宽双方合作的深度与广度。联合创新实验室将着眼于未来技术的探索研究,打造未来金融,从技术,产业和行业的融合方面为客户创造未来服务!”
华为IT产品线总裁侯金龙表示:“感谢华夏银行一直给予华为充分的支持和信任,此次合作协议签署标志着基于之前合作的进一步深化。结合业界热点技术以及华夏银行的实际需求和华为的优势领域,我们将共同开展金融云云运营、新生态大数据架构、人工智能平台等一系列创新研究,从而促进华夏银行未来业务发展、数字化转型,打造特色鲜明、价值成长、持续创新的标杆性银行。相信我们的合作,将为双方都带来长远的价值。”
华夏银行近年来充分发挥自身优势,精准把握金融科技的切入点和发力点,提出了“智慧金融,数字华夏”的发展愿景,确立了数字化转型与互联网银行平台创新双轮驱动策略,聚焦重点成熟技术并积极开发尝试运用新技术,从机制构建、技术应用和创新研发等方面对金融科技进行整体布局和具体实践,打造华夏银行在Fintech时代新的核心价值,为客户提供更好的金融服务体验。
华夏银行与华为创新合作始于2015年,双方合作打造了业界首个部署银行分行生产业务的金融云,构建了总加分双模IT金融云架构。此次双方合作的达成是对既往合作的深化,是符合双方发展诉求的资源互换、强强互补的共赢合作,是‘1+1>2’发挥合力效应的必然选择。未来,双方将以既有创新成果为基础,针对各自企业发展面临的关键性难点和技术发展与应用的重点,开展金融云运营、新生态大数据架构、安全可控人工智能平台、5G以及IPv6等下一代互联网技术等一系列创新研究,支撑多数据中心、多业务中心、国际化、综合化的分布式架构,以搭建面向未来的快速交付、智简运维的IT、IP架构,形成华夏银行“智能服务”的竞争优势,促进华夏银行业务发展与转型,为终端客户提供更智慧、更人性化、更贴近生活场景的服务,促进协同创新,实现开放共赢。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。