- 综合排序
- 最热优先
- 最新优先
腾讯大模型信贷助手：以结构化数据与智能工程破解对公信贷尽调效能瓶颈
直面对公信贷尽调的非结构化数据处理困局 当前对公信贷领域面临显著战略困境： 对公信贷70%以上属于非结构化数据（据原文），严重依赖客户经理人工处理材料，涵盖营业利润、财务报表、银行流水、涉诉情况等46类尽调要素 同时，贷款利率持续下行推动市场下沉，贷前尽调工作量成倍增加，金融机构加速线上化、数字化和智能化转型，但人工处理模式难以满足“三化”要求，客户经理负担加剧，渴求智能工具提升产效（据原文）。 核心能力覆盖“贷款进件助手、行业分析助手、财务分析助手、信用风险助手、报告生成助手”五大智能体，实现“一站式识别+提取+分析”，大模型能力覆盖95%的工作内容（据原文）。 、训推一体平台Ti-ONE、智能算力管理平台（异构GPU纳管、池化、调度、租户隔离）（据原文）。 智能体可按信贷业务节点自动识别、提取、审核材料，按企业所属行业自动分析行业对标，辅助判断企业景气度；自动完成财务健康度分析、流水比对、征信涉诉风险提取，描述偿债能力指标趋势与异动原因（据原文）。
7000编辑于 2026-04-28腾讯大模型信贷助手：破解对公信贷尽调效能瓶颈
揭示对公信贷尽调人工依赖重、效能不足的共性挑战 对公信贷领域70%以上数据为非结构化，尽职调查需处理营业利润、财务报表、银行流水、涉诉情况等46类材料（含图片、音视频等多源异构数据），严重依赖客户经理人工识别 伴随贷款利率下行、市场下沉及金融机构线上化数字化加速，客户经理负担成倍增加，亟需智能工具提升产效。 部署大模型信贷助手全周期智能解决方案 基于混元大语言模型与混元多模态模型，腾讯推出大模型信贷助手，形成覆盖信贷全流程的多源异构材料结构化提取与分析综合解决方案。 ，实现尽调报告“一站式生成或任意流程节点接入”。 、智能算力管理平台（异构GPU纳管等），保障系统稳定性与开发效率； 场景适配性：针对对公信贷尽调“非结构化数据处理难、人工负荷重”痛点，提供“低门槛、高可用、可回溯、持续进化”的全周期智能伴侣，直接降低运维成本
16110编辑于 2026-04-25- 来自专栏区块链入门
【正经说】如何对投资机构做个简单免费的尽调呢？
PE对企业进行尽调，其实PE自身也会被别人尽调的，通常有PE基金的投资人(俗称“LP”)和被投资企业的尽调这两种类型。 目前中国大多数人民币基金的国内LP不去做这样的尽调，因为他们缺乏这样的专业知识，目前市场上基本上找不到这样对PE基金管理人（俗称“GP”）进行尽调的第三方服务机构。 谁给的价格高、决策快是一眼就能看出来的，而哪一家PE更专业更适合更有价值确是需要花时间、花人力、找渠道、用方法去调查了解的，这就是企业家对PE的尽调。 3）查询到对应的公司 ? 4）查询企业分析 （1）基金（或基金管理公司）是何时、何地、由哪些人成立的？ （2）从成立到现在经历了那些变化？ （3）有没有异常信息？ ? 好的投资机构肯定不怕尽调，而冒牌忽悠的投资机构一定是忌讳对自己尽调。老司机认为，选择投资机构，并不一定是要挑规模最大、名气最响的，就像婚姻一样，最适合自己的才是最好的。祝大家都融资顺利。
58621发布于 2018-08-10 - 来自专栏运维经验分享
tomcat 9.0.4 性能调优3
tomcat9.0.4 ---- 参考了网上的一些优化参数，但是在启动中发现 有2个报错： 11-Feb-2018 15:57:23.293 警告 [main] org.apache.catalina.startup.SetAllPropertiesRule.begin [SetAllPropertiesRule]{Server/Service/Connector} Setting property 'maxSpareThreads' to '200' did not find a matching pro
50340发布于 2019-03-15 - 来自专栏存储公众号：王知鱼
Microchip：SSD主控智能调测功能
3. 强调了使用智能调试工具可以更有效地分析和解决问题。 4. 提供了一些DDR BIST诊断命令列表。 5. 总结了不同类型的智能调试工具的功能和优势。 3. 固件更新：在固件开发和更新过程中，Debugging用于验证新功能和修复的有效性。 Debugging可以帮助提高SSD的可靠性，优化性能，并确保用户数据的安全性，最终提升用户体验。 SDRAM Memory，高速缓存DRAM模块； 3. NAND闪存阵列。 DDR（双倍数据速率）内存中的 BIST 调测是一种用于测试和验证内存工作状态和性能的技术。 总结 本文介绍了在调试高速接口时面临的主要挑战，并突出了采用智能调试技术的重要性。
41010编辑于 2025-02-11 - 来自专栏Lauren的FPGA
用FPGA实现双调排序（3）
基于双调排序算法的蝶形图，我们可以得到地址的变化规律。这里以长度为16的双调序列为例，其地址变化规律入下图所示。由于长度为16，故总共需要4个Stage。 例如Stage 0可分为1组，Stage 1可分为2组，Stage 2可分为4组，Stage 3可分为8组。 同一组内，相邻地址的间距为1，例如Stage 1第0组的4个地址为[0,1,2,3]，相邻地址间距为1，第1组的4个地址为[8,9,10,11]，相邻地址间距为1。 仍以长度为16的双调序列为例，Stage 为0时，延迟级数为8，Stage 为1时，延迟级数为4，Stage为2时，延迟级数为2，Stage为3时延迟级数为1。 在此基础上，将4个SDF相连即可实现串行输入/串行输出的双调排序。下图给出了Stage 0对应的SDF结构。 下图显示了相应的仿真结果。
40410编辑于 2024-04-11 腾讯大模型信贷助手：以技术确定性破解对公信贷尽调效率瓶颈
剖析对公信贷尽调人工依赖重效率低的行业瓶颈 对公信贷尽调面临材料繁杂与人工处理效能不足的双重矛盾。 伴随贷款利率下行推动市场下沉，尽调工作量成倍增加，金融机构线上化、数字化、智能化转型需求迫切，人工处理模式已难以满足效率与风控要求。 功能模块：覆盖智能尽调（材料识别提取审核、行业分析标杆对照）、财务分析（财务健康度分析、流水比对）、信用风险分析（征信涉诉风险提取）、报告生成（一站式生成，支持任意流程节点接入）等全生命周期信贷业务场景 大模型应用厂商与互联网券商企业案例 在大模型应用厂商和互联网券商企业落地时，该模型对年报、财报等超长复杂文档处理表现出色，作为业界首个支持200MB以上超大文档解析的方案，准确率较传统方案提升30%，有效支撑对公信贷尽调智能化转型 产品适配性：以高可用（API/管理平台调用）、可回溯（数据坐标溯源）、持续进化特性，直击人工依赖重、效率低、审核难痛点，为金融机构提供确定性的智能化工具。
13410编辑于 2026-04-26- 来自专栏不温卜火
Spark性能优化 (3) | Shuffle 调优
spark.reducer.maxSizeInFlight参数进行设置，默认为48MB， val conf = new SparkConf() .set("spark.reducer.maxSizeInFlight", "96") 3. 如果在指定次数之内拉取还是没有成功，就可能会导致作业执行失败，默认为3， val conf = new SparkConf() .set("spark.shuffle.io.maxRetries", 当你使用SortShuffleManager时，如果的确不需要排序操作，那么建议将这个参数调大一些，大于shuffle read task的数量，那么此时map-side就不会进行排序了，减少了排序的性能开销
68820发布于 2020-10-28 - 来自专栏漫谈测试
智能化性能调优探索方案
智能化健康体检：测试左移，事前分析关于配置型调优,例如在Logback组件的pattern设置中使用了导致爬栈的参数(打印类型、方法名等)或者在Druid组件中设置了removeAbandoned导致爬栈 可以将监控告警结合OpenAPI来实现一些智能告警机制。 智能化性能调优是一个结合了自动化、数据分析以及机器学习技术的过程，旨在自动检测和优化软件或系统的性能问题。以下几个探索方案，可以帮助组织实现更加智能和高效的性能调优：1. 3. 机器学习辅助决策异常检测：运用无监督学习算法如孤立森林(Isolation Forests)、局部异常因子(LOF)等方法自动识别异常行为。 实施建议逐步推进：从最紧迫的问题开始着手，逐步扩展智能化程度。跨部门协作：性能调优往往涉及多个团队，建立有效的沟通渠道非常重要。注重反馈循环：构建快速反馈机制，让所有参与者都能及时了解进展和效果。
26210编辑于 2024-11-14 腾讯大模型信贷助手：提升对公信贷尽调效率与精度的综合解决方案
剖析对公信贷尽调核心瓶颈 对公信贷业务中，70%以上材料为非结构化数据，严重依赖客户经理人工处理。 伴随贷款利率下行推动市场下沉，贷前尽调工作量成倍增加；金融机构线上化、数字化、智能化“三化”要求进一步加剧人工负担，亟需智能工具突破效率与精度瓶颈。 自动生成尽调报告）。 模型采纳率从未经微调的70%~80%提升至90% 客户落地实践验证方案实效 在大模型应用厂商与互联网券商企业落地中，模型针对年报、财报等超长复杂文档处理表现突出，成功实现200MB以上超大文档解析，有效满足对公信贷尽调中对复杂材料的精准提取与分析需求 平台化支撑：集成大模型智能体开发平台TCADP、大模型训推一体平台Ti-ONE、大模型智能算力管理平台（异构GPU纳管、池化、调度、租户隔离），保障系统稳定性与开发效率。
11710编辑于 2026-04-27- 来自专栏IT大咖说
最新IT技术干货，前端、容器DevOps、人工智能……应有尽有
8.16 在线 2018重庆前端交流会 8.18 重庆 China DevOps Days 上海 8.18 上海 云+社区技术沙龙——Serverless架构开发与SCF部署实践 8.18 北京 竹间智能 & DataFun Talk人工智能技术沙龙 ——基于情感情绪识别的对话式AI及应用实践 8.18 上海 1 ? 3 ? 2018华为云技术私享会青岛站 · 华为云应用服务与多云灾备大解析 活动时间:2018.8.15 14:00 ~ 17:00 线下地址:青岛崂山区东海东路58号 线上直播地址: ? 竹间智能 & DataFun Talk人工智能技术沙龙 ——基于情感情绪识别的对话式AI及应用实践 活动时间:2018.8.18 14:00 ~ 17:20 线下地址:（上海徐汇）田林路1036号 科技绿洲三期
97610发布于 2018-09-12 - 来自专栏DPDK VPP源码分析
VPP 如何优化性能（系统调优）--3
透明巨页(Transparent hugepage, THP)特性自动化了创建和管理巨页的任务。内核守护进程(khugepage)在后台运行，将空闲页面拼接在一起形成/free大页面。
1.6K30编辑于 2023-09-27 - 来自专栏Java架构学习路线
3个Spring Boot项目调优的方式
前言 作为一名工程师，项目调优这事，是必须得熟练掌握的事情。 在SpringBoot项目中，调优主要通过配置文件和配置JVM的参数的方式进行。 二、Jvm调优 关于Jvm调优Oracle官网有一份指导说明 有兴趣大家可以去看看。 三、Jvm调优实战 1、未设置JVM参数的情况 我现在有一个项目，默认情况下，没有设置任何Jvm参数。 关于这些设置的JVM参数是什么意思，请参考第二步中的oracle官方给出的调优文档。
52820发布于 2019-09-26 YashanDB数据库智能调优系统架构解析
智能调优通过识别不同部署形态的特征和瓶颈，动态调整资源分配和访问策略，实现最佳运行效率。 系统支持读已提交与可串行化两个事务隔离级别，通过对写冲突和锁等待的智能检测与管理，避免了数据库性能瓶颈。智能调优系统监控事务运行状态和锁资源，动态调整事务执行参数，降低死锁概率和等待时间。 智能调优系统通过对数据访问模式分析，自动选择最佳存储结构和表空间策略。 未来，随着人工智能和机器学习技术的不断应用，将进一步推动自动化调优水平的提升，实现更加自适应和智能化的数据库运维管理。 持续关注和深入理解YashanDB智能调优体系，是数据库开发人员和管理员提升系统性能与稳定性的必由之路。
27110编辑于 2025-09-03fuse3 编译相关简要记录 与 fuse3 系统调优；
下面是在使用fuse3 编译bbfs 过程中一些参数，用于备忘： FUSE_CFLAGS="-I/usr/local/include/fuse3" FUSE_LIBS="-L/usr/local/lib /x86_64-linux-gnu -lfuse3 -lpthread -ldl" . www.cs.nmsu.edu/~pfeiffer/fuse-tutorial/ http://libfuse.github.io/doxygen/ (官方手册) 注： ubuntu 要手动编译 来进行支持 libfuse3; fuse3 系统调优： kernel 3.15 之后，内核支持 write-back的形式，在vfs设置文件缓存；但是kernel mod 于 libfuse 之间传输的数据量还是最大128kb的数据块粒度 ；为了使用fio工具调优fuse客户端的性能，所以建议使用以大于128k的文件块粒度来进行测试；并且在linux内核4.8之后，fio工具在使用大数据块和大任务的情况下有了不错的性能提升；（使用fio工具进行测试
1.9K10发布于 2020-12-30- 来自专栏ClickHouse
ClickHouse S3 Engine 数量级调优
本文主要讲解 ClickHouse S3 Engine 的读取写入性能代码 及 数量级调优 ClickHouse 如何性能调优 一 前文 ClickHouse Lamdba 二 perf 调优 1 堆栈来源 trace_log SELECT count(), arrayStringConcat(arrayMap(x -> concat(demangle(addressToSymbol addressToLine(x)), trace), '\n') AS sym FROM system.trace_log WHERE query_id = '157d5b6d-fa06-4bed-94f3- TCPHandler 3 SystemLogFlush 3 Formatter 2 ExterLdrReload 2 ConfigReloader 'http://xxx/insert01/s3_engine_1.csv', 'xxx', 'xxx', 'CSV') image.png 3 多表测试模型 CREATE TABLE default.s3
1.1K74编辑于 2022-03-08 - 来自专栏机器之心
人工智能军备竞赛：一文尽览全球主要国家AI战略
具体来说，它试图推动四个主要方面：（1）加大力度开发智能和网络产品，如自动驾驶汽车、服务机器人和语音/图像识别系统；（2）加强开发人工智能支持系统，其中包括智能传感器和神经网络专用芯片；（3）鼓励智能制造业的发展 它有三个目标：（1）使丹麦企业成为最善于利用数字技术的企业（2）具备实现业务数字化转型的最佳条件（3）确保每个丹麦人都具备必要的数字技术进行竞争。 委员会的目标是：（1）提高欧盟的技术和工业能力，增加公共和私营部门对 AI 的吸收；（2）让欧洲人为 AI 带来的社会经济变化做好准备；（3）确保建立适当的道德和法律框架。 《人工智能技术战略》的计划在 2017 年 3 月发布。 在会上发言中，白宫科技政策办公室副主任 Michael Kratsios 概述了现总统对于人工智能的态度，他宣布政府目前制定了四大目标：（1）保持美国在人工智能方面的领导地位；（2）支持美国工人；（3）
66150发布于 2018-07-26 - 来自专栏进击的Coder
人工智能军备竞赛：一文尽览全球主要国家AI战略
具体来说，它试图推动四个主要方面：（1）加大力度开发智能和网络产品，如自动驾驶汽车、服务机器人和语音/图像识别系统；（2）加强开发人工智能支持系统，其中包括智能传感器和神经网络专用芯片；（3）鼓励智能制造业的发展 它有三个目标：（1）使丹麦企业成为最善于利用数字技术的企业（2）具备实现业务数字化转型的最佳条件（3）确保每个丹麦人都具备必要的数字技术进行竞争。 委员会的目标是：（1）提高欧盟的技术和工业能力，增加公共和私营部门对 AI 的吸收；（2）让欧洲人为 AI 带来的社会经济变化做好准备；（3）确保建立适当的道德和法律框架。 《人工智能技术战略》的计划在 2017 年 3 月发布。 在会上发言中，白宫科技政策办公室副主任 Michael Kratsios 概述了现总统对于人工智能的态度，他宣布政府目前制定了四大目标：（1）保持美国在人工智能方面的领导地位；（2）支持美国工人；（3）
80100发布于 2018-07-31 - 来自专栏AI+运维：智能化运维的未来
使用AI进行系统调优：给系统装上“智能大脑”
使用AI进行系统调优：给系统装上“智能大脑”作为一名资深运维工程师，我一直相信，技术的发展不仅是让工具变得更强大，更重要的是让这些工具变得更“聪明”。 然而，随着人工智能（AI）的兴起，尤其是机器学习和深度学习的快速发展，运维领域迎来了前所未有的变革：AI可以帮助我们实现更智能、更高效的系统调优。今天，咱们就来聊一聊如何使用AI进行系统调优。 import KMeansimport matplotlib.pyplot as plt# 模拟一组用户请求数据（请求时间，负载）data = np.array([ [1, 50], [2, 60], [3, 70], [6, 90], [7, 60], [8, 80], [9, 50], [10, 60]])# 使用KMeans聚类算法分析请求数据kmeans = KMeans(n_clusters=3) 四、AI调优的优势与挑战优势：高效性：AI可以快速分析大规模的性能数据，并给出最优配置，减少了人工调试的时间。智能化：AI不仅可以做自动化调优，还能基于预测结果做出提前反应，避免系统崩溃或性能瓶颈。
49310编辑于 2025-03-22 - 来自专栏程序员的知识天地
Python语言在人工智能(AI)中的优势，一网打尽！
请设想一下，如果十五年之后，所有40岁以下的知识工作者，无分中外，从医生到建筑工程师，从办公室秘书到电影导演，从作曲家到销售，都能使用同一种编程语言进行基本的数据处理，调用云上的人工智能 API，操纵智能机器人 “裸” Python 的速度很慢，在不同的任务上比C 语言大约慢数十倍到数千倍不等；由于全局解释器锁（GIL） 的限制，单个Python 程序无法在多核上并发执行；Python 2 和 Python 3 直到2010年，Antoine Pitrou才对 GIL 进行了近二十年来的第一次改进，而且还仅在 Python 3.x 版本中使用。 我相信这些人几乎都将被Python 一网打尽，成为 Python 阵营的庞大后备军。 Python 与 AI绑在一起，对它们来说，无论是电子商务、搜索引擎、社交网络还是智能硬件，未来都只是生态链下游的数据奶牛、电子神经和执行工具，都将听命于自己。 ?
1.8K20发布于 2019-07-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号