據(jù)融360的用戶調研發(fā)現(xiàn),高達9成以上的用戶在貸款之前并不了解自己的信用狀況。由于信用卡的普及,用戶哪怕有一個月沒有及時償還貸款,都有可能成為一個信用瑕疵,進而有可能會影響到未來的貸款能力和貸款成本。
隨手查詢自己的信用狀況,是融360全新版APP中“金融查詢”功能中的一個。使用這個新版APP,可以查房貸利率、稅費、理財收益。還可以在海量的貸款、信用卡和理財產(chǎn)品中,根據(jù)不同的需求進行比較查詢,甚至手機申請購買金融產(chǎn)品。
“過去只有在銀行開門營業(yè)的時間用戶才能去辦理業(yè)務,3年半前融360將貸款的申請服務搬到線上,用戶可以坐在電腦前搜索比價?,F(xiàn)在用戶躺在沙發(fā)上和床上,用手機就能隨時進行智能化的金融決策,接受金融服務。”融360聯(lián)合創(chuàng)始人、CEO葉大清表示。
這是一款全面整合知識訊息、工具、比價服務和產(chǎn)品購買等各項主要功能的超級金融APP。融360將其定位為“隨身金融專家和超市”。在日前的產(chǎn)品公布會上,葉大清表示,融360在某種程度上已經(jīng)轉型為一家移動互聯(lián)網(wǎng)金融平臺。目前,在融360的所有業(yè)務中,來自移動端的流量約為70%,貸款申請金額的50%以上來自移動端。
目前在融360新版APP上,用戶可以進行搜索比價的信用卡有10000多張,理財產(chǎn)品80000個,貸款產(chǎn)品70000款。解決好用戶通過移動設備進行快速產(chǎn)品比價決策,隨后進行申請,這是融360首先致力于解決的用戶痛點。
結合大數(shù)據(jù)風控的移動布局,是融360今年的一個戰(zhàn)略重點。新版的超級APP是公司基于過去一年半的經(jīng)驗,充分分析用戶基礎上的結果。融360第一個APP在2013年底在應用市場上架。截止到目前,公司分別推出了多款適用不同具體業(yè)務的APP,例如融360貸款、房貸助手、卡管家、我要辦卡、理財大全和我要接單等。迄今已累積了1000多萬的申請用戶。
目前市面上有非常多的理財、網(wǎng)貸和信用卡應用服務,然而核心功能為用戶比價搜索金融產(chǎn)品的應用卻非常少。葉大清表示,這是因為前端介面的簡單背后,需要對接的大量金融線下資源,強有力的運營能力,以及基于大數(shù)據(jù)的風控技術,這些都需要一段時間的艱苦積累。
“就像淘寶、去哪兒本身的應用場景就是比較產(chǎn)品內容、質量、價格,融360做的也是比較金融產(chǎn)品的場景,老百姓有這個需求。我們通過移動端提供多樣和方便的選擇,幫助用戶來快速決策。”葉大清說。
雖然貸款產(chǎn)品相對于其他商品來講頻次不算高,“融360”移動應用的用戶打開率和粘性表現(xiàn)卻很明顯。每天單個用戶平均打開次數(shù)3-5次。每次使用時長3-10分鐘及以上的占一半以上。這一方面體現(xiàn)出移動應用在金融服務方面的便捷和高效,另一方面則可以看到年輕一代接受金融服務的習慣正在發(fā)生變化。
“跑一次銀行的時間,可以在應用上完成N個金融需求了。”這是用戶的普遍反饋。融360的數(shù)字表明,移動端的用戶較PC端用戶更年輕,信用貸款占比更高,消費貸款占比更高。目前移動用戶絕對數(shù)量排名前五的城市為:上海、廣州、深圳、北京和天津。使用移動端申請貸款和信用卡的主流消費者人群是白領階層,以個人消費貸和小額貸款為主,申請金額70%集中在十萬元以下。而華東、華南地區(qū)中小企業(yè)和個體工商戶在移動端申請經(jīng)營貸的比例,普遍高于其在PC端的比例。
葉大清透露,下一步APP會開通一個重要的功能,即直接用手機快速申請小額貸款。這個名為“極速貸”的信貸服務將由合作機構提供貸款資金,針對特定快速小額貸款不需要任何人工介入,申請-審核-放款完全在線實現(xiàn)。利率則依據(jù)借款人在融360的大數(shù)據(jù)風控系統(tǒng)的評分而定。最快10分鐘審批、24小時放款。“這是基于信用大數(shù)據(jù)的創(chuàng)新產(chǎn)品,我們在網(wǎng)頁端已經(jīng)進行了嘗試,相信很適合在移動端發(fā)力。”
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技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(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等頂尖機構聯(lián)合提出SparseLoRA技術,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。