AutoML是当今人工智能界最受瞩目的核心技术之一,被视为改变人工智能发展的核子武器。这项技术的核心价值在于将复杂繁琐的模型设计过程简化并自动化,智能地体现数据的价值,提高企业的生产力和竞争力。目前市场中大多数AutoML平台产品仍以面向数据科学家等专业建模人员为主,将模型训练中的各种环节自动化,以提升建模效率,而在企业中的部署和应用过程中仍需较高的人工智能的技术能力及人力,对数据科学家与专业AI团队的依赖度较高,导致AutoML技术在企业中的实际使用门槛依然较高。
昨日,探智立方发布了一站式全自动机器学习平台DarwinML 2.0升级,在为企业带来全流程自动化的建模能力的同时,显著提升了AutoML技术在企业中应用和部署的易用性,让普通业务人员也可以参与AI开发,帮助更多企业实现人工智能带来的的商业价值,引领企业AI赋能。
在业内备受关注的DarwinML平台是探智立方自主研发的以演化算法技术为基础的AI赋能平台,它能够针对客户导入的数据,自动生成符合业务场景的最优化人工智能模型,并根据业务实时反馈自我演化和迭代,做出更为精准的模型设计,在大幅节约数据科学家建模时间的同时,让缺乏人工智能专业人才的企业也能设计出满足业务场景的人工智能模型,真正实现了企业应用AutoML技术的全流程自动化和定制化。
升级后的DarwinML 2.0版本,为企业AI技术的落地提供了的更加高效的解决方案——把数据预处理、模型全自动化设计,模型优化全部自动化。DarwinML 2.0中提供了更加丰富的自动特征提取,分析及生成功能、以及自动数据扩增功能,帮助企业AI建模人员和业务人员在企业的数据湖中抽取有效的数据,并把不同系统的数据自动化整理为可以直接入模的数据,降低了使用人员对数据准备和数据分析的复杂难度。同时,DarwinML 2.0优化了流式推理引擎,自动发布设计模型到生成系统,并根据生产系统的反馈,优化模型,优化数据标签;在提供高吞吐低延迟的基础上,还能够零活的对接企业的应用,方便提供“推”,“拉”不同方式的接口与企业对接,实现一键发布,一键上线。
同时,探智立方还公布了DarwinML基于实际应用案例——金融信贷业务场景的运行结果。对于消费金融机构来说,拒绝推断是一个长期存在的课题,风控、获客、盈利能力之间的关系难以平衡;风控越严格,不良率越低,获客成本越高,反之风控越弱,不良率越高,获客成本越低,坏账率越高。通过试用DarwinML 2.0的Beta版本中的拒绝推断功能,探智立方的企业用户在实际测试中指出,DarwinML 2.0中自动拒绝推断功能重新更正其未放贷用户的标签后,在风险降低1个百分点的同时,单月放款用户比例提高了11%。极大提升了企业自身的盈利能力。
受这次疫情的影响,消费金融业务也面临着这一突发情况所带来的逾期率剧增的冲击,多家消费金融公司也及时响应,提出了推迟还款期、减免逾期利息等政策。而如何正确区分出恶意逾期和复工延迟导致的逾期,并对后者能够做到合理的缓交免息支持,手工建立这样一个模型往往需要数周,并且需要业务人员和建模团队的深度配合。针对这一问题,探智立方的团队对消费金融企业用户提供全力支持,基于Darwin 2.0平台,仅依托于企业用户现有数据在一周之内完成了模型的设计、训练和应用,在体现消费金融机构践行社会责任的同时,也有效减缓消费金融机构不良率的上升。
DarwinML产品总监宋煜表示:“从1.0到2.0的版本升级,DarwinML最大的演进就是从‘易于构建’发展到‘易于构建,易于扩展,和易于应用’,从解决企业用户业务增长的角度出发提升易用性,赋能给企业的普通开发人员,使其能够深度的结合公司业务并快速做出他们想要的模型。”据悉,探智立方已在官网开启新版本的试用申请,企业及开发者可直接在探智立方官网申请试用。
探智立方是全球领先的AI技术和解决方案提供者,基于自主研发的DarwinML平台为AI在各行业的应⽤赋能,为企业客户提供一站式、全自动的模型⽣成和部署能力。作为企业AI赋能平台,DarwinML以先进的演化算法及强大技术作为支撑,从根本上协助企业将人工智能⾼效构建到业务应用和决策中,在降低AI门槛的同时,加速实现企业的智能化升级和转型。未来,探智立方还将加大研发力度,基于核心算法引擎持续优化提升模型设计的效率和模型的性能,进一步提升DarwinML的易用性与企业实际需求的结合度,普惠各行各业。
好文章,需要你的鼓励
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。