案例名称:【利用数据中台赋能管理运营数字化转型】
公司名称:【西部证券股份有限公司(002673)】
案例简述:
数据是企业的新型资产,提升数据使用效率、挖掘数据资产价值是各行业的热门课题。为沉淀公司数据资产,满足上层系统对大数据需求,为全公司经营管理赋能,并解决现阶段数据标准质量差、分析决策难、数据价值变现难等难题,公司不断研究探索数字化转型有效路径,发挥数字化效能优势。
为发挥金融科技效能,集中力量推进数字化转型,公司组建了数字化转型专业团队,统筹规划并实施数字化转型线路,形成了“将业务和运营过程的数字化贯穿到全业务链,发展金融科技与数据经营''的总体规划思路。公司从管理层出发,自上而下全局部署数据资产建设方案。
本案例应用大数据技术,搭建了基于Hadoop架构的公司级数据中台体系,包含技术平台、治理管控体系、以及基于应用场景数据需求的各类数据集市,通过数据推送、API接口服务为各下游应用系统提供数据支持,包括信天游APP、统一报送平台、自助分析BI工具等,提高了下游系统数据质量、统一了指标口径,全方位赋能业务数字化转型及发展创新。
扫码查看详细案例
好文章,需要你的鼓励
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。