
高速发展的产业,也带来了一些问题和机遇。此前火爆的P2P网贷行业就亟待一套行之有效的方法加以监管。5月8日,第三方数据服务平台TalkingData发布移动金融应用行业数据报告。报告显示,P2P网贷行业利率正在回归理性化;而问题平台数量激增,行业或将大规模洗牌;同时,P2P向移动端快速渗透,移动端将成为未来一段时间各家企业必争之地。此外,HCE的崛起,让互联网公司进入NFC支付领域成为可能;手机厂商直接参与移动支付渐成趋势;免密支付这种新兴的形式,将助力移动支付飞速发展。
移动互联网拉近了人与一切服务之间的距离,金融行业很自然的过度到了“移动互联时代”。甚至,在网络、电商极度发达的情况下,结合互联网行业灵活、迅捷的特性,催生了不少新兴的金融产品形式,由此开启了一扇通往无数可能性的大门。而移动应用,顺理成章地成了这些“新金融”、“新模式”天然的入口。
经过近2年的发展,互联网金融的规模发展迅速,覆盖用户数量巨大。从用户规模上来看,2014年第一季度,移动金融应用的用户数量为3.3亿;而2015年的第一季度,这一数字达到了7.6亿,增幅高达130%。
移动金融用户性别分布较为均衡,整体来看,女性用户较多;从细分行业来看,男性用户相对喜欢证券和理财产品,而女性用户更偏爱银行和生活应用;而在这些用户中,80后是绝对的主力。
从用户的地域分布上来看,移动金融应用的用户主要分布在东部沿海及中部经济相对发达的地区,不过从增长速度上来看,三线城市起点较低,因此增长迅猛,潜力巨大。
应用类型方面,主要集中在理财和证券两类上,二者之和高达58.4%;而生活应用、支付类应用,则因行业内存在巨头,所以总体数量相对较少;从用户规模细分来看,移动保险、移动理财产品整体用户数量相对较少,发展空间巨大。
事实上,在每个用户的设备中,安装的移动金融App数量远不及其他类型的应用,日常打开这些应用的频率也并不高。一方面,金融类应用背后依托的是金融机构提供的服务,服务迁移成本较高,用户粘性好;另一方面,对于绝大多数金融类应用而言,往往只有在需要的时候用户才会开启,目的明确,不会像工具、游戏等类型的应用需要经常打开使用。
而不同城市的用户对金融应用的喜好也有所不同。相对而言,北京用户更偏爱理财类应用;上海用户更喜欢股票证券类应用;而广州的用户则对银行客户端情有独钟。从金融应用的使用情况来看, 证券类应用日常使用次数最多,可见小小股票牵动着亿万群众的心。
目前,各大银行、券商,甚至是互联网企业,都有在移动金融领域的布局,从目前的情况来看,大体的产业布局几近完成,各个金融细分领域,都有对应的移动应用和服务可供用户选择。可见,移动金融已经进入高速发展期,支付、银行、证券等细分行业相继成熟,记账、信用卡管理等更多移动金融新形态出现,并且逐渐在功能及用户体验方面高速演进。
除了传统金融行业,互联网企业在金融领域的布局也已经初现端倪。无论是BAT还是京东,都已经开始凭借庞大的用户群,借助互联网及移动互联网向金融领域渗透;而传统金融企业,也正在逐渐加速向移动互联过渡。
好文章,需要你的鼓励
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。