至顶网网络频道 04月25日 综合消息:4月25日,在北京举行的华为全球金融峰会上,华为与全球权威的咨询与服务机构IDC联合首发《数字化引领银行业》白皮书,白皮书指出,下一波银行业的变革将从“全联接”的银行开始,银行在技术和业务模式上将更加开放,传统银行和Fintech将演变成为有机的生态系统,转型后的核心系统将为银行业新的增长奠定基础。
金融行业数字化转型趋势:变革将从“全联接”的银行开始
白皮书报告纵向观察了银行业数字化的最新进程,包括业务演进方向、技术运用趋势,横向比较了全球四大区域银行业数字化转型的程度。白皮书通过对市场特征、数字化模式、领先者实践比较,向银行业提供数字化能力培养的路线图,为处于转型中的银行业企业提供方向指引和行动建议。
IDC中国副总裁兼首席分析师武连峰表示:“全面联接、开放平台、泛在智能、增强安全、共赢生态将支持数字化金融新转型,金融机构应该拥抱设计、思想和功能的开放性,通过数据深入挖掘本地市场特征和用户需求,重新评估核心系统需求并注入新技术,实现全方位数字化转型,支持数字经济的发展。”
根据IDC对全球各个区域金融行业的调研显示,如今,数字银行转型,已经从主要以渠道为基础数字银行服务,重点转向了银行本身。银行在技术和商业模式上都将更加开放,转型和增强后的核心业务系统将为新的增长奠定基础,下一代客户服务则需要客户洞察和理解的新水平。
IDC发布全球数字化银行完备度指数中国脱颖而出
IDC此次发布了全球数字化银行完备度指数(GDBRI),指数从IT支出、消费者在线技术、Fintech市场现状、监管市场形势等内容,评估北美、西欧、中国和东盟等区域,作为区域市场如何应对数字银行转型的准备。
该指数评估中,中国脱颖而出,是全球在金融服务行业数字化转型准备度最突出的国家,特别是在消费者线上技术等方面。中国在金融服务在线用户数量,以及应用区域规模等各方面处于明显的领先地位。
通过此次全球范围内的数字化程度对比,白皮书发现,金融科技和数字金融服务已经渗透到人们的生活方式中,成为日常生活中不可缺少的一部分,包括支付,投资,储蓄,贷款等。
区分数字化转型最重要是第三平台和创新驱动
白皮书指出,银行真正的数字化转型需具备五大要素(全渠道体验,支付,公司银行创新,隐私安全,效率),而区分真正的数字化转型最重要是第三平台和创新驱动银行云、区块链,人工智能等内容。
在支付要素,IDC指出,下一代支付包括银行使用统一支付结构,移动支付和新的支付渠道。为了造福占比达85%的孟加拉无银行账户人群,在华为一站式移动银行平台的后端驱动下,孟加拉最广泛的移动银行平台bKash采取灵活开放平台,帮助客户与银行、电信等商家。
华为数字银行解决方案在300多家金融机构商用,包括全球Top10银行中的6家。华为的一站式移动银行平台解决方案已服务全球19个发展中地区、超过1.5亿人口,每天交易量超过3500万笔。
华为企业BG金融系统部总裁刘利民指出:“在金融领域,华为不仅基于云、大数据等技术帮助客户构建新一代技术和业务平台,而且结合物联网、人工智能等技术帮助客户实现业务创新并连接万物构建金融生态,助力金融机构数字化转型。”
华为全球金融峰会是由华为主办、聚焦金融行业的全球性ICT盛会,始创于2013年,与会嘉宾均是金融行业机构的业界精英。欲了解更多华为全球金融峰会详细信息,请登录:http://e.huawei.com/topic/finance2018-cn/index.html
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。