區(qū)塊鏈技術(shù)在金融領(lǐng)域的應(yīng)用及對(duì)金融科技的影響力日益增強(qiáng)。區(qū)塊鏈具有去中心、去中介、可信任、高度匿名與不可篡改的特征,其在一定程度上有助于加快金融產(chǎn)品創(chuàng)新,減少信息不對(duì)稱,提升現(xiàn)代金融運(yùn)行效率和服務(wù)質(zhì)量,有效維護(hù)金融穩(wěn)定。從20世紀(jì)90年代有關(guān)創(chuàng)世區(qū)塊的應(yīng)用試驗(yàn),國(guó)際和國(guó)內(nèi)對(duì)區(qū)塊鏈技術(shù)關(guān)注度持續(xù)上升,全球眾多金融機(jī)構(gòu)與企業(yè)積極開展對(duì)區(qū)塊鏈技術(shù)的研究和開發(fā)。基于區(qū)塊鏈技術(shù)衍生的新型金融業(yè)態(tài)開始出現(xiàn),區(qū)塊鏈與金融的結(jié)合和應(yīng)用進(jìn)入新的階段。
區(qū)塊鏈技術(shù)天然契合于金融場(chǎng)景,在未來將會(huì)應(yīng)用于越來越多的業(yè)務(wù)模式、服務(wù)場(chǎng)景、業(yè)務(wù)流程和金融產(chǎn)品,從而對(duì)金融市場(chǎng)、金融機(jī)構(gòu)、金融服務(wù)以及金融業(yè)態(tài)發(fā)展帶來更多影響。
2019可信區(qū)塊鏈峰會(huì)將于2019年11月8日在北京召開,此次峰會(huì)由中國(guó)信息通信研究院、中國(guó)通信標(biāo)準(zhǔn)化協(xié)會(huì)、可信區(qū)塊鏈推進(jìn)計(jì)劃主辦,科技行者協(xié)辦。為進(jìn)一步理解區(qū)塊鏈技術(shù)在金融領(lǐng)域的發(fā)展環(huán)境和挑戰(zhàn),2019可信區(qū)塊鏈峰會(huì)專門設(shè)立了區(qū)塊鏈金融應(yīng)用論壇,本論壇將邀請(qǐng)供應(yīng)鏈金融組成員、金融組牽頭單位(工銀)、國(guó)際商會(huì)及其他金融企業(yè),共同探討區(qū)塊鏈在供應(yīng)鏈金融領(lǐng)域的實(shí)踐經(jīng)驗(yàn),分享行業(yè)挑戰(zhàn)與獲得成果,共研行業(yè)發(fā)展的方向。
隨著金融科技的不斷發(fā)展和深入,一些技術(shù)手段可以突破傳統(tǒng)金融模式的束縛,為實(shí)體經(jīng)濟(jì)發(fā)展貢獻(xiàn)更大能量。區(qū)塊鏈技術(shù)具有弱中心化、不可篡改和包容的特點(diǎn),可以產(chǎn)生自信任的效果,解決圍繞實(shí)體經(jīng)濟(jì)發(fā)展的信息不對(duì)稱難題。盡管在理論上,區(qū)塊鏈技術(shù)能夠給金融業(yè)帶來變革。但在實(shí)際應(yīng)用中,由于技術(shù)尚不成熟,其可操作性仍需進(jìn)一步研究。未來,區(qū)塊鏈技術(shù)可以在法定數(shù)字貨幣、支付清算、風(fēng)險(xiǎn)管理、直接融資等金融領(lǐng)域全面應(yīng)用。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。