近日,“百度有錢”與清華MBA簽訂了戰(zhàn)略合作協(xié)議,將對其學生提供學費及創(chuàng)業(yè)貸款?;ヂ?lián)網(wǎng)金融隨著傳統(tǒng)行業(yè)與互聯(lián)網(wǎng)的深度融合,正在向人們展現(xiàn)其創(chuàng)新和變革的潛力。作為“BAT”三巨頭之首的百度也積極布局,瞄準即將到來的畢業(yè)生創(chuàng)業(yè)潮,開始了其在教育信貸領(lǐng)域的再一次試水。
畢業(yè)生創(chuàng)業(yè)帶來互聯(lián)網(wǎng)金融春天
隨著互聯(lián)網(wǎng)時代的來臨,對比傳統(tǒng)金融產(chǎn)品,互聯(lián)網(wǎng)金融理財以其在消費體驗上的優(yōu)勢獲得了大學生群體的青睞。數(shù)據(jù)顯示,超過50%的大學生參加過互聯(lián)網(wǎng)金融產(chǎn)品投資,同時已經(jīng)有敏感的大學生利用互聯(lián)網(wǎng)平臺創(chuàng)業(yè)并賺到了人生的第一桶金。同時,就業(yè)形勢的倒逼和國家鼓勵大學生創(chuàng)業(yè)動作的推動,自主創(chuàng)業(yè)已經(jīng)成為許多大學生的人生選擇,然而,有45.5%學生的創(chuàng)業(yè)夢因為缺少啟動資金和風險保障而擱淺。
此次百度金融事業(yè)部與清華大學MBA的合作,為年輕的學子提供了更好的學習資源開啟了創(chuàng)業(yè)的機會,也促進了百度金融事業(yè)發(fā)展,成為了百度戰(zhàn)略轉(zhuǎn)型的重要推手。
互聯(lián)網(wǎng)金融的崛起,給大量有著創(chuàng)業(yè)理想的大學生看到了實現(xiàn)夢想的可能,越來越多的大學生集結(jié)在互聯(lián)網(wǎng)金融的旗幟下,成為支撐互聯(lián)網(wǎng)金融的有生力量。
百度有錢助力清華學生畢業(yè)創(chuàng)業(yè)
此次與清華MBA的合作是繼“百度有錢”接入“百度傳課”之后,在教育信貸領(lǐng)域的第二次試水。這一合作為那些想深造的學子打開了入學和創(chuàng)業(yè)的大門。
同時百度有錢也參與到了清華經(jīng)管學院舉辦的創(chuàng)業(yè)大賽之中,并為獲獎的項目提供創(chuàng)業(yè)貸款支持。百度有錢貸款服務優(yōu)惠便捷,貸款利息遠低于市場同類產(chǎn)品,顯示出百度金融產(chǎn)品找到了新的服務方向,讓大量想學習、有夢想的群體找到實現(xiàn)夢想的新路徑,成為百度在教育貸款領(lǐng)域的核心競爭力。
百度有錢致力行業(yè)標桿破解信貸難題
目前我國教育信貸仍受制于其利潤水平低、征信追款困難、行政管理成本高、申辦流程繁瑣等問題,得不到長足的發(fā)展。然而“百度有錢”作為一款互聯(lián)網(wǎng)消費信貸產(chǎn)品,用戶可直接在線提交身份信息,“百度有錢”通過大數(shù)據(jù),便可完成征信環(huán)節(jié)及時授予信用額度。同時通過讓學生與“百度有錢”直接建立信貸關(guān)系,解決了行政和流程方面的問題。更重要的是,“百度有錢”在教育信貸領(lǐng)域的目的是培養(yǎng)年輕的忠實用戶,從而在未來形成更大的利潤點。
百度總裁張亞勤表示,金融也是互聯(lián)網(wǎng)滲透最快的領(lǐng)域之一. 一方面它是個垂直行業(yè), 另一方面金融也是一個工具和杠桿, 可以幫助撬動別的業(yè)務. 我們用消費金融特別是教育信貸作為切入點, 充分利用百度的技術(shù)和用戶資源, 建立強大的賬戶體系,風控模型, 和征信體系, 打開局面。
“百度有錢”牽手清華MBA,目的就在于將這個產(chǎn)品打造成教育領(lǐng)域內(nèi)的標桿產(chǎn)品,幫助解決教育信貸難題,并進一步將其復制到整個教育信貸領(lǐng)域。
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,已在多個任務上驗證有效性。