8月18日,螞蟻金服在上海發(fā)布了旗下全新的獨立應(yīng)用——螞蟻聚寶,而這也是螞蟻金服在支付寶以外,首次發(fā)布新的獨立應(yīng)用。螞蟻聚寶定位一站式移動理財平臺,旨在為大眾用戶提供簡單便捷的理財服務(wù),讓更多的人能夠參與到理財之中,改善大眾的理財習(xí)慣。
對于螞蟻聚寶的描述,提到最多的就是“一站式理財體驗”,鑒于人們以往在選擇理產(chǎn)產(chǎn)品時所面對的門檻高、操作復(fù)雜、信息難懂等問題,螞蟻聚寶1.0通過支付寶一個賬號打通了余額寶、招財寶以及基金類產(chǎn)品三種理財類型,在未來還將支持通過余額寶直接購買股票等更多功能。
同時,極低的理財投資門檻也為用戶創(chuàng)造了便捷。余額寶1元起投,招財寶100元起投,而且在上線推廣期內(nèi),所有用戶在螞蟻聚寶平臺購買基金產(chǎn)品,都無需支付申購費。而且基金贖回時,可以實現(xiàn)T+1到賬,這相對于行業(yè)平均T+3以上的到賬時間,到賬時間縮短了至少兩天。
螞蟻金服財富事業(yè)群總裁袁雷鳴表示,“螞蟻聚寶是螞蟻金服在互聯(lián)網(wǎng)理財領(lǐng)域的一次重要嘗試,螞蟻聚寶1.0版本只是一個開始,通過一站式、低門檻的理財體驗,我們希望讓更多人開始關(guān)心和接觸理財。后續(xù),通過快速迭代,螞蟻聚寶將逐步打造一站式、低門檻、智能化、社區(qū)型的理財平臺,真正實現(xiàn)金融理財場景化,讓大眾用戶的理財變得更簡單。”
目前,已經(jīng)和螞蟻聚寶合作的機構(gòu),包括多家資產(chǎn)2000億以上的銀行,四大資產(chǎn)管理公司,償付能力150%以上的保險公司以及全國排名前幾的擔(dān)保公司,數(shù)量超過120家,同時,通過數(shù)米基金網(wǎng),有80家主流基金公司入駐螞蟻聚寶。
據(jù)悉,螞蟻聚寶未來有希望接入香港基金公司,到時螞蟻聚寶所提供的基金品種將涵蓋香港、美國、及亞太地區(qū)的股市,從而讓中國投資者能夠通過投資全球資本市場。
在用戶數(shù)據(jù)安全越來越成為大眾關(guān)注焦點的今天,螞蟻聚寶除了和金融機構(gòu)共同打造風(fēng)控體系,還引入了賬戶安全險,用戶花費不足1元的保費即可獲得100萬元的保障,這將有效保障用戶在螞蟻聚寶內(nèi)的資金安全。
相信大家都有一個疑問,就是支付寶已經(jīng)可以承擔(dān)用戶的理財功能,那么螞蟻金服為何還要推出獨立的螞蟻聚寶App呢?這主要是因為,支付寶的定位是生活場景平臺,而螞蟻聚寶則統(tǒng)籌理財業(yè)務(wù)。一些高頻使用的、簡單的理財功能,比如余額寶,招財寶的預(yù)約功能,在支付寶上有一個簡單的入口,而用戶需要更豐富、細(xì)化的理財服務(wù)時,就可以回到螞蟻聚寶上來。
“原先高大上的金融,其實也可以變得‘小確幸’,一個簡單的大眾理財?shù)臅r代正在到來”,袁雷鳴解釋,“小”意味著,希望幫助每一個普通人的理財愿望;“確”則是幫助用戶找到最適合自己的理財,對于風(fēng)險和收益有確切的了解和認(rèn)知;“幸”則意味著理財本身能夠融入生活場景,帶給用戶以幸福感。
為了做到真正的“小確幸”,未來螞蟻聚寶還將陸續(xù)推出場景化的智能推薦功能,基于每個人的投資需求和風(fēng)險偏好,通過精準(zhǔn)的用戶畫像,幫助用戶快速找到最為適合自己的投資方式。在此基礎(chǔ)之上,還將通過理財社區(qū)的形式來幫助大眾投資者。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。
同濟大學(xué)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(xué)習(xí)和數(shù)學(xué)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(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhǔn)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(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。