2014年4月23日,第二屆中國金融云高峰論壇在廈門召開。來自銀監(jiān)會、中國銀行、中國農(nóng)業(yè)銀行、建設(shè)銀行、招商銀行、民生銀行、光大銀行等國內(nèi)四十多家銀行的信息技術(shù)部主管等出席會議。
中國銀監(jiān)會銀行業(yè)信息科技監(jiān)管部黃秋國,建設(shè)銀行北京數(shù)據(jù)中心副主任吳險峰,交通銀行數(shù)據(jù)中心副總經(jīng)理鄭仕輝等在會上發(fā)言,與在座嘉賓及企業(yè)代表一同就金融行業(yè)在云計算和大數(shù)據(jù)背景下的技術(shù)發(fā)展進行深入探討。
迎接來自互聯(lián)網(wǎng)金融的挑戰(zhàn),銀行自身的產(chǎn)品也在不斷的發(fā)展。這需要敏捷的IT系統(tǒng)進行支撐。與會的銀行科技領(lǐng)導反復強調(diào),“銀行經(jīng)營的是風險”,不同于互聯(lián)網(wǎng)企業(yè),銀行面臨著更加嚴格甚至苛刻的監(jiān)管壓力。所以,卓越的應用性能管理是確保銀行業(yè)務(wù)穩(wěn)定、高效運行的關(guān)鍵,但龐大的業(yè)務(wù)系統(tǒng)、復雜的技術(shù)架構(gòu),讓項目落地成為了一場漫長的馬拉松。針對應用管理項目落地周期長、難度高的挑戰(zhàn),Netis作為中國銀聯(lián)、交通銀行、招商銀行、民生銀行、光大銀行等核心應用性能管理的供應商,在會上帶來了廣受贊譽的敏捷應用性能管理產(chǎn)品——CrossFlow BPC,讓銀行應用性能管理項目“即刻”實施,快速落地!
會上,Netis產(chǎn)品副總裁賀曉麟先生發(fā)表題為“金融行業(yè)核心應用性能管理”的精彩演講,向現(xiàn)場嘉賓展示CrossFlow BPC基于網(wǎng)絡(luò)數(shù)據(jù)的應用性能管理解決之道。全旁路,對生產(chǎn)系統(tǒng)無影響;梳理、配置即刻完成實施;精確定位故障、準確預警的功能符合銀行對互聯(lián)網(wǎng)時代核心應用性能管理的期望,這得到了在座嘉賓極其熱烈的反響。同時,CrossFlow解決方案已經(jīng)為金融私有云、SDN、數(shù)據(jù)中心雙活架構(gòu),甚至是數(shù)據(jù)中心集群做好了全面的準備。
CrossFlow“即刻”部署三部曲:
1、梳理:服務(wù)路徑圖發(fā)現(xiàn)(SPV Discovery),一鍵自動應用梳理,自動發(fā)現(xiàn)網(wǎng)絡(luò)服務(wù)路徑。
2、配置:可視化圖形配置界面,所見即所得;針對銀聯(lián)卡交易,外卡,支付寶,眾多國內(nèi)外廣泛使用的核心銀行系統(tǒng),人行超級網(wǎng)銀、二代支付、征信、清算等服務(wù),典型的IBM WAS、TUXEDO、MQ、WEBLOGIC、MESSAGE BROKER等49種金融行業(yè)常見協(xié)議都可以即刻支持。
3、監(jiān)控:以服務(wù)為中心,全面可視化應用服務(wù)質(zhì)量。
CrossFlow(www.netis.com.cn/product/)是由國內(nèi)領(lǐng)先的網(wǎng)絡(luò)分析與應用性能管理產(chǎn)品及解決方案供應商——Netis完全自主獨立研發(fā)的服務(wù)性能管理產(chǎn)品線,為用戶在復雜的IT環(huán)境下對業(yè)務(wù)提供深入的洞察力,幫助用戶通過簡單、高效的方式實現(xiàn)核心業(yè)務(wù)的主動式運維。CrossFlow產(chǎn)品賦予IT環(huán)境充分的敏捷性,讓IT環(huán)境成為推動業(yè)務(wù)創(chuàng)新的力量。自誕生以來,CrossFlow已獲得中國銀聯(lián)、交通銀行、招商銀行、民生銀行、光大銀行、國泰君安證券、廣東移動、中遠集團等金融、運營商和大型企業(yè)用戶的認可。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務(wù)上驗證有效性。