案例名称:【行知——构建机构服务新生态】
公司名称:【华泰证券股份有限公司(601688)】
案例简述:
本案例“行知”是华泰证券积极把握内外部数字化转型先机,面向企业及机构投资者打造的机构客户专属服务平台。行知以机构客户全生命周期需求场景为牵引、以构建一体化服务模式为出发点、以开放协同的运营理念,围绕前端触点、销售管理、业务提供、平台支撑等方面进行统筹布局,打造了零距离的投资研究咨询服务、高效便捷的投行服务、生态开放的融券服务、移动交易的衍生品服务等服务场景,并仍在持续丰富完善服务场景,提升用户体验。
通过理念创新、模式创新、业务创新、服务创新、生态创新,行知形成了机构服务的线上延展,大力提升了服务半径,实现机构需求与业务资源的高效传导,满足企业及机构投资者全业务链、全生命周期的多样化需求,并随着融入平台生态的机构客户规模快速增长,行知构建起机构服务新生态,成为业内领先的机构服务创新范本。
扫码查看详细案例
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。