人工智能人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。...(more)
热点
客服类场景应该是各大金融机构主推的场景，也是比较容易落地的。
在处理大规模金融数据时，减少数据泄露和滥用的风险至关重要。以下是一些最佳实践和技术措施：1. 数据分类和标记：对数据进行分类和标记，明确哪些数据是敏感的、需要受到特殊保护。对不同类别的数据采取不同的安全措施，例如对个人身份信息（PII）进行加密或匿名化处理。...
相同之处：1. 数据存储需求量大：无论是传统业务场景还是大模型场景，都需要大规模存储数据，以满足业务需求。2. 数据安全性要求高：对于任何业务场景，数据的安全性和隐私保护都是重要的考虑因素。大模型也不例外，需要确保数据的安全性。3. 数据质...
在长尾场景下，数据清洗是至关重要的。以下是清洗长尾数据的方法、措施和注意点：异常值处理：长尾数据中常见异常值，可利用统计学方法处理异常值，确保数据准确性。缺失值处理：长尾数据可能存在较多缺失值，需采用适当方法填充或处理，如均值填充、插值法等，以保证数据完整性。特征选择...
大语言模型·2024-01-04
本人在国内一家股份制行从事信贷风险管理研究和实践，当时的一些思考和经验已经写入（https://mp.weixin.qq.com/s/EEck7VgVjVMj083Z0zdfCA)这篇文章。欢迎交流。 结合您的具体问题，我简单谈下个人看法。在银行的智能风控方面，大语言模型（LLMs）的应用...
大型模型选型评估框架应该包含以下评选维度：功能需求：评估模型是否满足业务需求和功能要求，包括数据处理、计算能力、模型集成等。可扩展性：评估模型在处理大规模数据和复杂计算时的性能和扩展能力，包括并行计算、分布式计算等。可用性：评估模型的易用性和操作性，包括模型的使用...
面对大模型给出极端错误答案的情况，首先应确保模型的训练数据、算法逻辑等基础组件无误。若确认是大模型的内部机制出现问题，可以采取以下措施：对模型进行重新训练，修正偏差。1、引入其他数据源或知识图谱进行矫正。2、升级模型架构，优化算法。结合领域专家知识，对模型进行人工...
三个场景都需要基于大量的数据进行分析和预测。通过行业大模型，可以挖掘出数据中的隐藏信息和模式，从而更好地理解和预测欺诈行为、客户行为和信用风险。 且需要随着数据的不断积累和业务的变化，策略也需要不断地更新和调整。 信用评估和欺诈检测的目标是识别和预防风险，而客...
