科技行者 11月26日 北京消息:T11 2019暨TalkingData数据智能峰会11月25日在北京举办,数千名国内外相关领域专家学者及行业代表参会,探讨数据智能驱动行业转型发展的实践案例。会上,TalkingData对外发布了旗下核心产品,数据智能中台的全新版本——SmartDP Fusion,加速实现数据与业务场景的融合发展,助推传统企业数字化转型。
TalkingData创始人兼首席执行官崔晓波作题为“无界”的开场演讲。他表示,以消费升级为基础的消费分级趋势下,不同的圈层消费需求是完全不同的,这就要求产品必须定位精准。“精准产品方法论(IDEA)”就是TalkingData基于近几年的实践总结出的。演讲中,崔晓波深入解读了该方法论,并指出场景重构是制定精准产品的关键路径。
TalkingData创始人兼首席执行官崔晓波
随着人工智能和大数据为代表的新技术逐渐成熟,大数据与各行业融合发展趋势愈加明显。会上,TalkingData发布了数据智能中台的全新版本——SmartDP Fusion,由全域智能营销平台、数据平台、场景智能应用平台三部分构成。在数据中台逐步成熟的基础上,融合零售、政府、汽车、营销、金融等垂直行业更多业务场景,从而实现数据智能价值最大化,极大的提升企业竞争力。
从数据工程、数据中台到智能商业的建设,体现出TalkingData在赋能数据产业链、驱动行业生态走向上的决心。大会现场发布了TalkingData与合作伙伴取得的重要成果。
政府方面,TalkingData正式宣布其华中研发总部、全国交付总部入驻武汉光谷,与武汉市政府推动数据创新应用,共建行业领军企业;金融方面,由北京大学光华管理学院、百行征信与TalkingData共同成立的征信数据分析与应用联合实验室,进行了成果发布,解读大数据时代征信领域的前沿问题。
另外,TalkingData与京东云、Arkie在智能城市、智能营销领域深化合作,发挥各自优势,以数据智能共建产业生态共同体。
当下,线上、线下商业场景融合趋势愈发明显,各行各业应该如何在挑战中寻找新机遇?在“无界新商业”圆桌论坛上,艾问创始人艾诚、影儿集团副总裁罗征、什么值得买副总裁薛原、腾讯优量汇产品总监&商务总监翟家欢、民生银行信用卡副总裁谭少慧以及TalkingData CSO皮山杉,围绕此话题展开了一次观点的交锋和智慧的碰撞。
在随后的主题演讲中,来自金融、零售、互联网、营销等行业的合作伙伴,包括微众AI副总裁郑文琛、丙晟科技CTO柏林森、易车公司高级副总裁杨永峰、影儿集团副总裁罗征、快手商业化算法策略负责人李勇保、北大光华管理学院金融系副教授王志诚,基于各自领域分享了他们的前瞻观点与实践经验。
此外,本届大会还设置数据智能技术峰会专场,来自英特尔、ARK Federation、涛思数据、南京大学以及TalkingData研发团队的资深专家登台演讲,聚焦大数据与人工智能技术的创新发展,分享技术实战经验和行业创景下的创新应用。
主办方TalkingData表示,连续第五年举办T11数据智能峰会,还是以实现“数据改变企业决策,数据改善人类生活”的愿景为初心。希望通过该平台,诠释数据所蕴含的力量,帮助更多企业实现数据驱动转型,加速各行业的数字化进程,借助数据智能创造商业价值与社会收益。
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。