继去年8月获得红杉领投的3000万美元B轮融资,短短一年后,在线金融搜索平台融360于7月23日宣布完成C轮融资。自2011年底成立以来,融360三年内每年即完成一轮融资,业务范围从单纯的信贷产品搜索发展为横跨信贷、信用卡、理财的金融产品全搜索,融360迄今获得的总投资金额过1亿美金。
融360联合创始人、CEO叶大清透露,此次C轮融资前后洽谈时间不超过两个月。C轮融资的主投资方是兰亭投资,一家专注中国和北亚创业公司的投资机构。前两轮的投资方光速安振中国基金、红杉资本、凯鹏华盈中国基金都追加了投资。
此次融资之所以快速,叶大清解释称,首先是资本市场明确看好金融垂直搜索、推荐和服务平台这一模式,认为这一模式会给金融产业链变化带来革新价值;其次是投资机构看好融360在互联网金融行业的领先地位,认为融360近三年来发展出非常健康的、符合国情的商业模式,也使得金融垂直搜索很快成为一个受到重视的行业。
过去的一年,社会上有一些针对金融垂直搜索不太看好的观点,如不被银行认可、赢利前景不佳等等,甚至有一些起步于搜索的创业企业中途改变方向。但叶大清坚信:“金融搜索虽然不见得是互联网金融最热的领域,但必定会成为未来金融消费者获取金融信息、产品和服务的第一站。”
基于此,融360的业务布局一直沿着金融搜索这条主线稳步推进。除了贷款、信用卡等业务,于今年初上线了银行理财产品、“宝”类产品、P2P网贷投资等理财产品搜索,叶大清透露目前正在评估考虑进入保险领域,但还没有明确的时间表。“我们要把金融搜索和推荐模式做深做精。”
C轮资金主要用于搜索、推荐与服务的产品优化和用户体验提升,同时将加大线下的投入和强化风控能力。融360作为一种搜索比价服务,同样定位明确,叶大清进一步强调,和一般商品的搜索比价不同,融360的价值是对用户进行更精准的风险定价,然后再推荐给相关的金融机构,以进行精准的搜索匹配。并且还可以协助金融机构根据不同的用户特征和需求来定制产品。
除了试图通过搜索比价,来改变老百姓日常获取金融产品的习惯和体验,融360也在悄然为银行带来一些改变。叶大清坦言,融360的模式是向用户免费开放,向金融机构收费。
“从最初金融机构的怀疑、犹豫,到现在开始主动来联系,融360与金融机构的合作越来越顺畅。”叶大清说。
在过去一年里,融360业务实现5倍的增长,合作银行和其他金融机构数量增加到10000家,贷款、信用卡、理财产品的数量近50000款,与绝大部分银行建立了正式合作。业务范围从信贷扩展到贷款、信用卡和理财并行的全金融搜索服务。
目前融360贷款已经开通了全国100个城市版,理财和信用卡业务已经开通了200 多个城市,覆盖了80%的目标用户。通过优化智能系统的匹配,使得贷款成功率保持在15%左右。运营至今,已累计帮助用户提交9000亿元的贷款申请。叶大清强调,2014年平台申请贷款金额目标是超过10000亿元。
叶大清再三强调,金融搜索的核心关键是基于大数据的精准匹配,而不是通常人们所理解的向银行提供流量。垂直金融搜索的精准性、高用户意向性和高匹配性,使银行和用户大大减少了损耗,提高了成功率。更好的用户匹配大大增加了贷款成功率,目前融360贷款成功率在15%左右,而平均小微企业贷款成功率只有3%。“通过贷款申请的线上化与大数据技术,在减少资金供需方的信息不对称和降低交易成本方面都有鲜明价值,但这只是第一步。从贷款单品种做到全产业,从交易平台演进为服务平台,未来金融搜索还有很多想象空间,只要我们将精准匹配的文章做好做足。”
好文章,需要你的鼓励
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。
斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。
这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。