离婚对任何人来说都是一段艰难的经历,再加上大量的文书工作、法庭诉讼和情绪波动,这似乎成了一个几乎无法逾越的挑战。
这就是全国家庭调解服务机构 (NFM) 存在的意义。这个成立超过 40 年的慈善机构通过提供调解员、信息和支持来帮助家庭度过离婚过程,并尽量避免诉诸法庭。
作为一个小型非营利组织,预算紧张,但其首席执行官 Sarah Hawkins 热衷于尽可能利用科技手段。
Hawkins 在组织工作多年后于 2023 年担任首席执行官。她的主要优先事项之一是实现转介流程自动化,使员工和客户都能更轻松地工作。
当潜在客户通过网站进行咨询时,可能需要一个多小时才能收到人工回复。如果他们在周末咨询,就必须等到下周才能得到回复。
Hawkins 说:"这些处于情绪困扰中的人在寻求帮助,却得不到任何回应。"在担任首席执行官后不久,她决定这种情况需要改变。
NFM 是 Salesforce 十年来的客户,据 Hawkins 说,他们一直被告知自动化转介是不可能的。
"当你以新的视角来看待问题时,你会想'这应该不会这么困难'。但我们只是一直被告知'不行'。"
她说:"作为一个慈善机构,我们尽可能在预算范围内利用技术。Salesforce 主要是我们的主数据库,所以我们需要它发挥最大功效。"
转"不"为"可"
Hawkins 开始亲自寻找解决方案,认为一定"有人能帮助我们"。
随后她找到了 Salesforce 咨询合作伙伴 Brysa,事实证明她想要的自动化是可以实现的。项目开始八周后,NFM 建立了一个精简的转介流程,能够自动发送信息包并改善响应时间。
NFM 在 500 个地点提供调解服务,并与 13 个不同的合作伙伴合作,每个合作伙伴负责一个邮政编码区域。因此,每个转介都需要核实并匹配到当地 NFM 机构或合作伙伴之一。
现在,所有转介都通过 Salesforce Flows 和 Google Maps API 自动捕获并路由到 NFM 或其合作伙伴机构。
之前需要手动处理这些工作的员工现在可以完全专注于自己的职责。Hawkins 说:"我让一名员工回到团队中,这意味着我们可以接听更多电话,回复更多邮件,让更多人预约进入系统。"
自动化流程还大大减少了重复转介的情况。
Brysa 还帮助 NFM 设置了自动电子邮件通知,触发案例更新的通信,并确保调解员及时收到案件提醒。
除了自动化转介流程外,该项目还包括改进电子邮件投递、存储优化、准确的服务分配和案件结束时的通信自动化。
Hawkins 说:"在被告知五年不可能做到之后,看到人们几乎立即就能收到回复真是太棒了。知道人们在办公室关闭时也能收到信息,这让我放心了很多,也减轻了团队的工作负担。"
该流程于 2024 年 10 月上线,到目前为止运行良好。Hawkins 希望更进一步,想要自动化其他流程,希望能释放另一名员工的工作量,董事会也完全支持这一想法。
在新的财年,董事会已经为 Hawkins 分配了更大的预算,"因为我们已经证明所做的改变非常成功"。
内部调解技术
她热衷于用尽可能少的资源做尽可能多的事。该组织还开发了一个名为 LegalEyes 的应用程序,希望通过它提供完整的调解流程。
他们还建立了一个名为 MOMO 的在线平台。由于预算限制,花了五年时间才完成,但现在终于启动了。
Hawkins 说:"我们知道 IT 是未来的方向,我们也在考虑在网站上使用人工智能的选项,所以我们在尽可能跟上步伐,但作为一个慈善组织,确实存在一些限制。"
Hawkins 表示,现有很多调解应用程序,但它们都不是由像 NFM 这样的组织支持的,而且可能存储大量机密数据。
为了解决这个问题,NFM 决定创建 MOMO,让客户可以选择在线完成整个流程。据 Hawkins 说,这对财产和金融案件特别有用,因为这类案件往往比较复杂,需要大量文件和信息。
"MOMO 是他们向律师提供的所有内容的数字版本。客户可以安全上传所有文件,安全输入所有信息,调解员可以一目了然地查看。"她说。
该应用程序让客户保持在调解领域内,无需另外寻找律师,他们可以使用在线平台,节省时间和金钱。
Hawkins 希望这些内部开发的应用程序最终能通过许可证方式被其合作组织使用。"一旦我们测试并确保我们使用的外部版本安全可靠,我们就会推广它,希望调解员会接受许可证的提议,"她说。
展望未来,Hawkins 热衷于在组织内尽可能实现自动化,但也认识到预算限制可能会阻碍她的抱负。
"理想情况下,我希望所有事情都能通过网站完成并输入 Salesforce,"她说,展望未来客户预约可以直接转给调解员。
"我们知道 IT 是未来的方向,我们正在考虑在网站上使用人工智能的选项,所以我们在尽可能跟上步伐,但作为一个慈善组织,确实存在一些限制,"她说。
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。