美國大都會(huì)集團(tuán)(紐交所:MET)今天通過其在中國的合資子公司中美聯(lián)泰大都會(huì)人壽保險(xiǎn)有限公司宣布:今天起,將采用客戶導(dǎo)向型的數(shù)字化平臺(tái),提供端對(duì)端的保險(xiǎn)銷售和服務(wù)。
左:美國大都會(huì)集團(tuán)亞洲區(qū)直銷及數(shù)字行銷副總裁Kathy Awanis;
右:大都會(huì)人壽中國首席執(zhí)行官譚強(qiáng)
所謂因地制宜,在中國,人們的消費(fèi)方式正向數(shù)字化遞進(jìn),促使了企業(yè)數(shù)字化服務(wù)需求更甚。麥肯錫全球研究院的一項(xiàng)調(diào)查顯示,明年中國互聯(lián)網(wǎng)用戶數(shù)將超過7億;而僅在2013年,中國智能手機(jī)用戶就從3.8億激增到了7億。
不僅如此,相較于網(wǎng)絡(luò)普及率高達(dá)85%的北美地區(qū),亞洲地區(qū)的網(wǎng)絡(luò)普及率雖然僅為32%,但這一地區(qū)卻擁有世界上45%的網(wǎng)民。其中,中國的電子商務(wù)占亞洲地區(qū)線上總支出的60%,達(dá)到了2750億美元。據(jù)預(yù)測,中國將于2016年超過美國,成為線上消費(fèi)的第一大國。
基于此,美國大都會(huì)集團(tuán)在中國啟動(dòng)數(shù)字化平臺(tái),提供便捷購買人壽保險(xiǎn)和保障型保險(xiǎn)產(chǎn)品,成為其在亞太地區(qū)的核心戰(zhàn)略。服務(wù)渠道包括:自由挑選保險(xiǎn)產(chǎn)品、接收實(shí)時(shí)報(bào)價(jià)、支持線上購買、連線地區(qū)理財(cái)顧問等,并支持在任意移動(dòng)或臺(tái)式設(shè)備上實(shí)現(xiàn)支付和理賠查詢。
美國大都會(huì)人壽官網(wǎng)界面
而數(shù)字化平臺(tái)同樣也是亞太人群較為輕易接受的保險(xiǎn)方式。大都會(huì)人壽中國首席執(zhí)行官譚強(qiáng)透露,在和中國消費(fèi)者交流的時(shí)候,發(fā)現(xiàn)他們希望通過一些通俗易懂的方法來了解保險(xiǎn)產(chǎn)品,數(shù)字化服務(wù)恰到好處。
美國大都會(huì)集團(tuán)亞洲區(qū)直銷及數(shù)字行銷副總裁Kathy Awanis指出,透明化的保險(xiǎn)信息通過數(shù)字化平臺(tái)操作起來更方便。
據(jù)悉,美國大都會(huì)集團(tuán)成立于1868年,是全球保險(xiǎn)、年金、員工福利和資產(chǎn)管理業(yè)務(wù)服務(wù)商。集團(tuán)服務(wù)近1億客戶,在美國、日本、拉美、亞洲、歐洲和中東地區(qū)近50個(gè)國家開展業(yè)務(wù)。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)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(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)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(jī)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(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。