案例名称:【产业数字金融新模式】
公司名称:【华夏银行股份有限公司(600015)】
案例简述:
立足数字经济时代历史方位,党和国家明确提出“发展数字经济,推进数字产业化和产业数字化,推动数字经济和实体经济深度融合”发展方向。在新冠疫情全球蔓延,地区争端升温,国内经济发展面临需求、供给击、预期等方面压力,稳产业链和供应链成为我国经济社会发展的战略基石。
本案例运用我行提出的“积累数字资产、挖掘数字价值、创设数字信用、形成数字担保”产数方法论体系,创设全数字化、智能化的产业数字金融新模式,构建与产业场景、生态场景相融合的数字供应链融资业务及产品;托产业生态,基于产业协作体系中商流、物流、信息流、资金流“四流合一”,运用数字资产、数字技术突破时间和空间限制,为链上中小微企业提供精准充足的金融支持,发挥金融助力稳链、保链、补链、强链功能;构建具备业务开放性、产业全数字化、技术先进性和可拓展性的产业数字金融系统平台,建立对多个行业、多种生态具有普适性的金融服务模式;构建数字化授信和数字化智能风控核心技术,推动信贷模式由“单一客户审批”发展到“批量客户审批”,提升实体经济服务质效;探索建立满足依法合规经营与适度创新相适应的沙箱沙盒监管创新机制,防范和化解新模式下的新型风险。
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。