垂直金融搜索平台融360昨日宣布,从线上搜索走向线下服务试水O2O,将在线下开设“贷款便利店”一站式信贷服务,并计划年内开设18家,在2015年有望增加至100家,基本完成全国线下布局。
“目前公司已经在北京、上海、深圳、广州、南京等10个城市的黄金地段开设试点,并且运营良好。”融360风控副总裁李英浩对记者介绍,贷款便利店的业务运营模式是,在融360线上业务每日所产生的数万客户申请需求中,筛选出符合条件的贷款人,邀请到贷款便利店进行一对一的、一站式信贷服务。用户只需跑1次,提交自身的信用资质,整个贷款流程的其他环节则由融360团队帮助完成,最后由金融机构向用户发放贷款。
“贷款便利店”实质上是一种介于用户和贷款机构之间的专业服务,贷款者不需要另外交费,由融360向金融机构收取一定比例的服务费。融360联合创始人兼CEO叶大清预计,便利店模式开启后,小微贷款成功率提高到30%到40%,贷款周期压缩在5-7天之内。
值得注意的是,出于风控要求和监管规定,银行或金融机构并不能把贷款和贷后管理的所有环节 “包办”,这就要求了前期风险监控的融360具备良好的金融O2O基础,也意味着更多的付出与新的考验。
“贷款便利店”模式利用平台优势对前端和服务端做整合,使得整个生态圈的效率提升。而在快捷方便的背后,实则是依靠融360在线获客能力、大数据、风控建模和专业审核互相结合的系统工程的支撑。
本质上融360卖给金融机构的是线上线下结合的全套专业服务。具体而言,全套服务包括贷款尽职调查、资料收集、预审面谈、贷款初步审批,甚至更深度的贷后客户管理和催收。
融360之所以选在这个时机推出线下业务,是出自多方面的考量。首先是时机,历经两年半的经验积累沉淀,融360整站的平均贷款成功率已达到15%,是行业平均的5倍。其次是覆盖,经过过去一年的开拓,融360的贷款业务的线上站点已经开通了130多个城市,能够覆盖到80%的目标用户,在打稳线上业务阶段性成果基石后,接下来就该拓展线下,深入对用户的金融服务,渗透到产业链更深的部分。
“贷款便利店” B、C端双向价值
过去,融360平台的服务模式是完全基于市面上已有贷款产品的,平台并不介入用户和金融机构之间的接触。客户通过输入自身的贷款需求,随后由后台系统智能化推荐一批合适的贷款产品。用户可以根据自身判断做最终选择,再同贷款经理进行接洽。这样的做法,在减轻信息不对称、提高贷款成功率方面卓有成效。但是,仍然有85%的借款需求未能得到满足,没有合适的贷款产品与之匹配、供给方风控标准与需求方实际情况错位等原因成了个人消费者和小微企业融资的“拦路虎”。
融360贷款便利店的产生,有望深入地改造现有的贷款模式,通过更深度地介入贷款流程来推动贷款产品创新和风控管理创新,进而提升用户和金融机构双方的体验,最终提高贷款成功率、降低融资成本。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。