4月20日下午消息,宜信宜人貸日前宣布已經(jīng)聯(lián)合廣發(fā)銀行正式開始實施資金監(jiān)管,宜信宜人貸在中信銀行開立風險備用金專戶并進行資金托管,中信銀行 針對宜信宜人貸風險備用金專戶資金的實際進出情況每月出具托管報告。這也意味著宜人貸成為國內(nèi)首家將銀行資金監(jiān)管落地的P2P平臺。
據(jù)介紹, 在宜信宜人貸與廣發(fā)銀行的資金監(jiān)管合作正式上線后,宜人貸平臺的風險備用金專戶將轉(zhuǎn)到廣發(fā)銀行。宜信宜人貸官網(wǎng)將于每月10日前,公布截止到上月月底風險備用金的余額情況。目前,該平臺累計放款額超過40億元,風險備用金余額己近1億元。
資金監(jiān)管與資金托管的區(qū)別
事實上, 銀行資金監(jiān)管與資金托管有本質(zhì)上的區(qū)別。資金托管,是指銀行對P2P平臺資金賬戶進行監(jiān)控,并定期出具報告向大眾公開風險備用金余額;而資金監(jiān)管則是指銀 行全面監(jiān)控平臺資金流向甚至是用途,并輔以合同等證明交易關(guān)系法律信息,同時也會定期公開風險備用金余額,是真正意義上的“監(jiān)控和管理”。
因此,資金監(jiān)管的實施不僅要求P2P平臺和銀行之間在戰(zhàn)略層面,更要從產(chǎn)品、技術(shù)、運營、法律等實質(zhì)上的操作層面實現(xiàn)全方位對接,這對P2P平臺的專業(yè)性、規(guī)范性、透明性以及風控水平都提出了極高的要求,因此真正實踐銀行資金監(jiān)管的難度極高。
此前,不少P2P平臺也在跟主流銀行接洽資金監(jiān)管合作,但由于技術(shù)層面對接難度較高,到實操階段還需要一定的時間。宜信宜人貸此次與廣發(fā)銀行達成資金監(jiān)管合作已落到實操層面,并于4月初開始實施。
P2P實行銀行資金監(jiān)管的意義
銀行對P2P平臺實施資金監(jiān)管,要求平臺信息真實透明,銀行記錄每個出借人和借款人的虛擬子賬戶往來流水,實現(xiàn)借貸雙方交易透明,能夠驗證出借人和 借款人的真實存在,以及交易的真實意愿,保證資金劃撥和資金結(jié)算的安全,有效將平臺交易資金和企業(yè)自有資金隔離,杜絕資金池,有利于風險控制,有效減少跑 路和詐騙,提升P2P出借安全性,保護投資者利益。
國家對于P2P行業(yè)的四條紅線之一就是“不得歸集資金搞資金池”,因為資金池模式下平臺可隨意挪用資金,因此行業(yè)規(guī)范化發(fā)展需要銀行對P2P平臺的資金進行監(jiān)管。
據(jù)網(wǎng)貸之家統(tǒng)計,P2P網(wǎng)貸行業(yè)歷史累計成交已突破5000億元,預(yù)計2015年P(guān)2P網(wǎng)貸行業(yè)全年成交量將突破6000億元。因此銀行對P2P平臺實施資金監(jiān)管有著重要意義。
據(jù)悉,宜信宜人貸平臺在保障資金安全和方面,采取的是資金賬戶由第三方支付平臺托管、由第三方擔保公司提供本息保障機制的方式。在宜信宜人貸與 廣發(fā)銀行的資金監(jiān)管合作正式上線后,宜人貸平臺的風險備用金專戶將轉(zhuǎn)到廣發(fā)銀行。宜信宜人貸官網(wǎng)將于每月10日前,公布截止到上月月底風險備用金的余額情 況。
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。