费埃哲公司评分业务执行副总裁Jim Wehmann表示:“费埃哲评分9行业版是费埃哲评分9套件的重要补充,可帮助信贷经理针对更多人群以更高的精度来管理风险,提升信用安全。 在涉及到汽车贷款和银行卡时,费埃哲汽车评分9 (FICO Auto Score 9)和费埃哲银行卡评分9 (FICO Bankcard Score 9)将分别评估信用报告中的所有信息,进而甄别借款人的信用风险。”
Wehmann补充道:“费埃哲评分9中增加了许多预测领域的创新,比如医疗债务的细微差异化处理,将有助于信用审批经理更负责地增加贷款额度。费埃哲评分9可以帮助信贷机构解决风险及合规挑战。由于汽车信贷的申请群体更为庞大,费埃哲评分9在预测方面的提升将至关重要。”
费埃哲评分(FICO® Score)是贷款机构广泛采用的评分。费埃哲公司是信用风险评分的领军企业,也是消费者信用风险的衡量标准。去年,全球企业购买了100多亿份的费埃哲评分报告,它已成为美国90%消费贷款决策的重要依据。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。