邬贺铨院士在《从大模型到智能Agent》主题演讲中详细阐述了AI Agent与大模型的区别，并预测了AI Agent在智能驾驶、金融、工业、终端等领域的应用前景。
邬贺铨院士认为，“大型模型的实现正在从模型层转向智能代理（AI ）。与大型模型相比，智能代理将不仅仅依赖于精心编辑的预训练数据，这解决了大型模型的问题。”企业内部难以支撑的场景应用问题有望成为强大的通用问题解决方案 如果说大机型是智能手机的操作系统，那么智能体就相当于APP Store。
（邬贺铨院士发表主旨演讲）
他认为，人工智能在金融领域的应用仍处于起步阶段，需要进一步发展。在AI获客、小微企业业务数据获取、了解贷款人在其他贷款平台上的行为、质押资产的监管状况等方面，这方面还有很多工作要做。 ，而AI和智能体也可以在这些方面发挥作用。
杜小满CTO徐栋梁介绍了杜小满在金融大模型领域的探索与实践。杜小满近期发布的大型开源模型“轩辕3.0”在各项金融评估任务中表现出色，在金融事件解读、金融业务分析、投研应用能力和风险等方面超越了中国顶尖的开源和闭源模型。在管理等衡量维度上超过GPT4o。
（度小满CTO徐栋梁致辞）
徐栋梁表示，“杜小满自去年发布‘轩辕’大型金融模型以来，已开源发布了19个全参数模型矩阵，可以满足不同金融领域开发者的需求。我们坚持持续开放大金融模型的来源，希望降低金融机构应用大模型的门槛，让金融更高效地服务实体经济。”
赵阳副研究员在论坛上介绍了多模态机器翻译的最新进展和挑战。赵阳表示，随着技术的发展，用户对翻译系统的多模态交互能力要求越来越高。目前市场上的级联方式在实际业务开发中占据主流，而端到端的方式还存在差距。未来的探索方向包括开放场景的文本图像翻译、基于大模型的图像翻译以及轻量级的图像翻译技术。 。
（中国科学院自动化研究所副研究员赵阳致辞）
谈及信用报告大规模模型解读的关键挑战及解决方案，杜小满出站博士后李翔表示，信用报告解读涉及三个关键能力：风险偏好识别、领域专家知识综合能力、超强洞察能力。长文本信息挖掘能力。在这方面，杜小曼的轩辕系列大型金融模型就表现出了显着的优势，有效弥补了开源模型的不足。
面对金融领域应用大模型时金融知识不全、需要提升金融能力等挑战，杜小满博士后霍良宇认为，通用大模型的“金融对位”升级可以让模型在金融领域更加专业。金融领域。能力和安全性。数据显示，对齐训练后的模型显着提升了模型能力。与金融领域和一般领域相比，对齐前的模型胜率超过80%。
北京致远人工智能研究院博士后钱洪进首先回顾了RAG技术的发展历史。在RAG 1.0时代，检索器和生成器分别进行优化，导致检索系统依赖于语义匹配，在效率和准确性方面存在问题。限制。 RAG2.0定义了检索器和生成器的联合优化，使得检索器在检索时可以知道生成器需要什么，而生成器在生成时可以感知其他全局信息，从而显着提高生成质量。
对于大型模型如何提高可靠性和安全性，北京启明星辰信息安全技术有限公司博士后周宇认为，大型模型近年来取得了显着进展，但不同业务阶段仍存在安全风险。当前主流的安全策略是安全对齐和主动安全防护。展望未来，大模型安全评估的挑战将来自于技术发展的动态以及数据获取和标注的难度。
（中国科学院自动化研究所研究员、博士生导师宗成清对学术报告进行总结）
最后，中国科学院自动化研究所研究员、博士生导师宗成清对博士后论坛的学术报告进行了总结。他鼓励博士后关注企业面临的实际问题，探索大模型实施的创新方法，让大模型服务于特定用途。它能够在现场实际任务中充分发挥其作用，既体现了其性能优势，又不涉及太高的成本。同时，他强调了技术创新的重要性。他认为，企业博士后作为国家高端技术人才，应该勇于站在人工智能技术发展的最前沿，提出原创方案，解决企业面临的技术瓶颈。在学习和跟踪国际先进技术的同时，也要运用大规模模型理论方法。或者在技术应用上大胆突破。
本站候鸟号已成立3年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论