项目背景
亚洲领先的互联网金融科技集团WeLab(我来贷)于2013年创立于香港,2014年进入中国内地,旗下包括中国最大的移动贷款平台之一我来贷以及香港的线上借贷平台WeLend。WeLab曾荣获毕马威评选的2016全球金融科技百强的全球第33名及中国区的第6名。
WeLab借助其独创的移动端借贷经验从而改善传统金融的贷款服务体验,并利用其自主研发的风险管理体系,以秒级的非结构化移动端大数据整合及分析能力对客户的风险进行定级,从而输出信贷决策。WeLab还向传统金融机构输出科技金融服务,为他们的客户定制各种金融方案。
业务需要与挑战
“我来贷”的业务主要面向互联网金融,核心技术在于基于大数据的风控管理。其金融业务对基础架构具有如下核心需求:
• 完善的数据生命周期管理
• *7*24小时不中断的业务连续性要求
• *轻资产,传统数据中心资产过重
• *弹性的资源交付以响应突发的互联网业务压力
• *开放、标准的PaaS层能力满足互联网架构不同场景的需求
解决方案
• 弹性资源交付:以秒为单位的计费方式结合资源的秒级创建,无时无刻精确匹配业务现阶段的IT资源需求的同时极大地降低企业的TCO。
• 分区分权管理:新型运维模式,不依赖传统运维方式,运维权限边界明确,开发测试资源交付灵活。
• 全面数据保护:基于在线数据的多重实时副本保护,提供完备的块设备级的备份(Snapshot)与恢复,实现全方位的数据保护。
• 多样化平台服务:青云QingCloud涵盖完整的IaaS层组件、通用PaaS层组件及企业级应用管理和运营平台。
客户收益
凭借青云QingCloud云平台的卓越性能及面向企业级平台设计的云安全架构,保障了我来贷业务平台的安全及连续性要求;通过云平台的弹性及灵活,绝佳地匹配了业务在不同互联网访问压力下对IT基础架构的资源及性能需求;得益于QingCloud的按秒计费及秒级响应,极大地降低了企业的TCO,实现轻资产运营,专注于业务创新。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。