CNET科技資訊網(wǎng) 12月19日 北京消息:測試認(rèn)證咨詢服務(wù)商FIME12月14日宣布,該公司芯片支付測試平臺Savvi正式支持中國銀聯(lián)認(rèn)證。新的Savvi認(rèn)證程序要求商戶和收單銀行確認(rèn)其終端符合中國銀聯(lián)信用卡和借記卡的標(biāo)準(zhǔn),并能成功對接支付基礎(chǔ)設(shè)施。
Savvi測試平臺是一套自動化測試和認(rèn)證管理工具,可以顯著縮短完成銀聯(lián)終端集成測試所需時間,從而幫助受理方和商戶節(jié)省時間和成本。Savvi測試平臺可以根據(jù)銀聯(lián)的要求,自動設(shè)定測試案例,提供測試程序指導(dǎo),檢索和驗證測試結(jié)果,并生成和提交測試報告。系統(tǒng)界面采用中英雙語,便于中國用戶使用。
FIME亞太區(qū)商務(wù)總監(jiān)Alex Chen表示:“隨著各類支付品牌以及創(chuàng)新科技的不斷涌現(xiàn),中國支付基礎(chǔ)設(shè)施市場變得愈發(fā)充滿活力。因此,新型解決方案不僅要滿足市場預(yù)期,而且需要與現(xiàn)有的支付生態(tài)系統(tǒng)實現(xiàn)互操作。FIME最新認(rèn)證對中國銀聯(lián)的支持也有利于支付市場的融合發(fā)展。得益于Savvi測試平臺的自動化特性,商戶和收單銀行能顯著縮短測試時間,及時響應(yīng)市場需求,迅速推出解決方案。”
Savvi測試平臺可支持大量國內(nèi)外支付品牌認(rèn)證,并提供市場領(lǐng)先的多品牌測試服務(wù)。
無論是現(xiàn)場服務(wù)還是外包服務(wù),F(xiàn)IME都可以幫助商戶和收單銀行完成項目認(rèn)證。除Savvi測試平臺之外,F(xiàn)IME的專家團(tuán)隊還可以提供完整的項目測試服務(wù)、支付系統(tǒng)技術(shù)咨詢以及開發(fā)者和測試人員終端集成培訓(xùn)等。
關(guān)于FIME
FIME為金融服務(wù)、電信、交通、身份認(rèn)證等業(yè)務(wù)領(lǐng)域提供全方位的咨詢服務(wù)、技術(shù)培訓(xùn)、技術(shù)設(shè)計、測試工具和認(rèn)證測試等。FIME的專家團(tuán)隊會為項目提供全程支持,解決客戶面臨的技術(shù)挑戰(zhàn),可滿足一系列不同規(guī)格、不同標(biāo)準(zhǔn)和多品牌的行業(yè)需求。
憑借20多年的經(jīng)驗,F(xiàn)IME支持一系列技術(shù),包括接觸式、非接觸式、EMV 芯片、近場通信(NFC)、主機卡模擬 (HCE)、標(biāo)記化、安全元件 (SE)、機器對機器 (M2M)、物聯(lián)網(wǎng)(IoT)以及可信執(zhí)行環(huán)境 (TEE)。
通過與國內(nèi)外支付機構(gòu)和行業(yè)的合作,F(xiàn)IME保證了其提供的多品牌產(chǎn)品和服務(wù)始終符合最新的市場需求。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(tuán)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。