案例名称:【深化国企数字化改革创新,打造金控全面风险管理平台】
公司名称:【浙江东方金融控股集团股份有限公司(600120)】
案例简述:
近年来,浙江省全面推动重点领域改革,以数字化改革为抓手,充分发挥数字化改革牵引撬动作用,主动作为、积极变革,推动体制机制实现系统重塑,提出了浙江数字化改革“一年出成果、两年大变样、五年新飞跃”战略目标,努力为全国大局探索更多路子、贡献更多经验。我司作为浙江省国有上市金控平台,紧跟政府数字化改革要求,统一战略体系,聚焦提高企业风险管控能力,完善资本管理,强化数字建设。致力搭建以“大资管"为核心的综合金融生态,为上市公司治理做榜样,为区域经济建设服务,为金控行业贡献新思想、新方案。
公司在十四五规划中提出“4+2+2+6”总体战略方针,以持牌金控、生态金融、业务引领、能力聚合四大战略为指引,聚焦组织管控提升和资源协同两大中心,提升战略体系、风险管理、资本运作、机制创新、品牌建设、数字建设6大支撑能力。在公司数字化改革战略指导下,提出“1+3+3+7”的数字化改革方案,本案例作为公司风险管理数字化建设重点项目。公司启动了风险管理咨询项目,提出了风险管理数字化建设三阶段建设目标,并在此基础上完成了一阶段数字化建设目标。
本案例采用大数据处理、分布式计算与存储技术,完成公司数据治理,搭建风险数据集市,丰富数据资产;采用可视化工作流、VUE等专业的渐进式业务框架,优化风险管控流程,提升协同效率,降低运营成本;应用集中鉴权、NLP自然语言处理等技术,构建十多个专项风险管理应用场景,全面提升风险管理水平;搭建了统一资讯平台、风险预警、法律合规库等多个工具平台,丰富风险管理抓手;围绕金控板块构建170+风险指标,实现风险指标监控、预警的自动化。助力公司提升全面风险管理水平,开启智慧金融的新时代。
扫码查看详细案例
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。