案例名称:【财务共享智能化深入应用-票据全生命周期管理】
公司名称:【远光软件股份有限公司(002063)】
案例简述:
随着社会的不断进步,国家对财务领域的数字化转型也愈加重视,各企事业单位更是将财务数字化建设视为企业发展中的重中之重。更多企业在数字化转型过程中,更加聚焦提高财务风险管控能力、完善财务管理制度、确保财务业务合法性/合规性,从而获得长期健康、可持续发展。
本案例应用人工智能(AI)图像识别技术,实现票据影像结构化数据提取,自动完成票据税局查验以及合规性检查,自动完成流程传递,并提供票据封闭式收存功能,减轻财务收单/审单压力、杜绝人工审核错误,提升管理效率;应用物联网和大数据技术,实现智能硬件和业务系统之间的互联互通,破除信息孤岛,实现“让数据多跑路,让群众少跑腿S应用机器人技术,代替人工实现凭证自动打印、匹配、归档,解决人工归档过程中的量大耗时、误判误放、实物与电子资料脱节等各类难题,实现科学、精准、高效归档。
综上,本案例通过将多项单一技术充分融合,增强人机互联,实现票据数据结构化管理、归档自动化管理,打通了财务管理的实物流、影像流与信息流。推动企业财务管理向自动化、智能化转变,为企业打造人机共进的智能生态系统。
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。