- 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。 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Android开发指南
4.TableLayout、回调接口
interface IOnCursorChangedListener{ void onCursorChanged(int token, Object cookie, Cursor cursor); } } //回调接口写法 myQueryHandler.setOnCursorChangedListener(new MyQueryHandler.IOnCursorChangedListener() { @Override /** * 当adapter 获得 cursor 的时候，回调此方法 MyListAdapter(Context context, Cursor c) { super(context, c); } @Override /** * 当内容发生改变的时候，回调此方法
1.5K120发布于 2018-05-14 - 来自专栏高级技术
AI4DB智能调参真有这么厉害？
今天聊个小知识——AI4DB智能调参。老规矩，先来个背景。———— 大家觉得数据库配置复杂吗？ 如果有什么工具能去代替人做这个‘不间断的脑力活动’,又能超出预期的完成工作，那么这个一定是与当下流行的人工智能有关系，因为机器不会累，它会周而复始的工作。 ———— 所以就出现了AI4DB，一个能智能调参、贯穿数据库整个生命周期的工具。———— AI4DB能做这么多事情，那么它是如何工作的呢？ 所以现在你对AI4DB有自己的想法了吗？ ———— 目前市面上高斯数据库，就是GaussDB、还有海量数据、腾讯云等都已经用上了AI4DB，未来,DBA们的就业真的会走向新的趋势吗？ 关注我，持续输出高质量内容。
27910编辑于 2025-09-30 - 来自专栏GitHub专栏
4 款 MySQL 调优工具，yyds！
/slowtest-slow.log --since '2017-01-07 09:30:00' --until '2017-01-07 10:00:00'> > slow_report3.log 4） pt-query-digest --filter '$event->{fingerprint} =~ m/^select/i' /var/lib/mysql/slowtest-slow.log> slow_report4.
1.1K31发布于 2021-08-05 - 来自专栏不温卜火
Spark性能优化 (4) | JVM 调优
对于 JVM 调优，首先应该明确，full gc/minor gc，都会导致JVM的工作线程停止工作，即stop the world。 1. Executor 堆外内存上限大概为300多MB，在实际的生产环境下，对海量数据进行处理的时候，这里都会出现问题，导致Spark作业反复崩溃，无法运行，此时就会去调节这个参数，到至少1G，甚至于2G、4G
1.2K30发布于 2020-10-28 - 来自专栏Lauren的FPGA
用FPGA实现双调排序（4）
前面三篇文章我们介绍了双调排序的原理和具体实现方式，但都是要求序列本身是“双调”的。而实际情况是，给定序列本身是杂乱无章的，并非呈现“双调”的特征。这就要求我们先把无序序列转化为双调序列。 16点序列转化为双调序列需要3个Stage，其实Stage的个数等于log2(16)-1。每个Stage需要完成一些列的比较，其实就是实现升序和降序排列。 例如：Stage 0要做4次升序排序，也要做4次降序排列，Stage 1亦是如此。图中“↓”表示升序排列，“↑”表示降序排列，即箭头总是指向较大的数。 我们将双调序列的排序过程再次呈现出来如下图所示，与本文第一张图片进行对比，可以发现：从“无序”到“双调”是一个序列合并的过程，从“双调”到“单调”是一个序列分割的过程，体现了“分而治之（Divide and
65210编辑于 2024-04-11 - 来自专栏存储公众号：王知鱼
Microchip：SSD主控智能调测功能
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。 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PyVision
4种主流超参数调优技术
每个算法工程师都应该了解的流行超参数调优技术。 作者：Sivasai Yadav Mudugandla 编译：McGL ? 传统或手动调参 2. 网格搜索 3. 随机搜索 4. 贝叶斯搜索 1. 传统或手动调参 在传统的调优中，我们通过手动检查随机超参数集来训练算法，并选择最适合我们目标的参数集。 它类似于手动调优，为网格中指定的所有给定超参数值的每个排列建立模型，并评估和选择最佳模型。 ’]，在这种情况下，它总共构建了9 * 4 = 36个不同的模型。 4. 贝叶斯优化 贝叶斯优化属于一类被称为sequential model-based optimization(SMBO)的优化算法。
1.9K20发布于 2020-09-21 - 来自专栏机器学习与生成对抗网络
4种主流超参数调优技术
超参数调优越多，得到的模型就越好。调整超参数真的很难又乏味，更是一门艺术而不是科学。 超参数（Hyper-parameter） 超参数是在建立模型时用来控制算法行为的参数。 传统或手动调参 2. 网格搜索 3. 随机搜索 4. 贝叶斯搜索 1. 传统或手动调参 在传统的调优中，我们通过手动检查随机超参数集来训练算法，并选择最适合我们目标的参数集。 它类似于手动调优，为网格中指定的所有给定超参数值的每个排列建立模型，并评估和选择最佳模型。 ’]，在这种情况下，它总共构建了9 * 4 = 36个不同的模型。 4. 贝叶斯优化 贝叶斯优化属于一类被称为sequential model-based optimization(SMBO)的优化算法。
1.5K30发布于 2020-10-27 - 来自专栏大数据成长之路
Hive性能调优之严格模式(4)
通过设置属性hive.mapred.mode值为默认是非严格模式nonstrict 。开启严格模式需要修改hive.mapred.mode值为strict，开启严格模式可以禁止3种类型的查询。
56510发布于 2021-01-22 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. 4. 智能优化策略自适应参数调整：开发自适应算法，根据当前负载情况动态调整系统配置参数，如缓存大小、数据库连接池大小等。 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 - 来自专栏分布式系统和大数据处理
.Net Remoting(远程方法回调) - Part.4
.Net Remoting(远程方法回调) - Part.4 2008-8-22 作者: 张子阳 分类: .Net 框架 Remoting中的方法回调 远程回调方式说明 远程方法回调通常有两种方式 此时，需要注意这样几个问题： 因为不能通过对象引用访问静态方法（属性），所以无法对静态方法（属性）进行回调。 由于将客户端进行回调的逻辑抽象成为了一个独立的对象，此时客户端的构成就类似于前面所讲述的服务端。 客户端和服务端对象 服务端对象 由于本文讨论的主要是回调，所以我们创建新的服务对象和客户对象来进行演示。 阶段是最关键的一步，在客户端通过代理调用InvokeClient()时，将client对象以传引用封送的方式传递了过去，我们前面说过，在传引用封送时，它还包括了这个对象的位置，也就是client对象的位置和端口号；第4步时
1K20发布于 2018-09-30 - 来自专栏Chasays
TensorFlow 基础学习 - 4 (重点是调参)
训练 history = model.fit( train_generator, steps_per_epoch=10, epochs=10, verbose=1 ) 调参 kerastuner.engine.hyperparameters import HyperParameters import tensorflow as tf 接着创建HyperParameters对象，然后在模型中插入Choice、Int等调参用的对象
1.1K20编辑于 2021-12-06 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 ? 4 ? 第四期：容器化技术与虚拟化技术区别 活动时间:2018.8.15 17:20 ~ 16 21:30 地址:IT大咖说在线直播平台 线上直播地址: ? 5 ? 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CVer
一文看尽4篇实时语义分割最新论文（MSFNetLiteSegFDDWNetRGPNet）
---- 【4】LiteSeg：用于语义分割的新型轻量级卷积网络 《LiteSeg: A Novel Lightweight ConvNet for Semantic Segmentation》 时间：
3.9K10发布于 2019-12-24 - 来自专栏路人甲Java
4 款 MySQL 调优工具，公司大神都在用！
/slowtest-slow.log --since '2017-01-07 09:30:00' --until '2017-01-07 10:00:00'> > slow_report3.log 4） pt-query-digest --filter '$event->{fingerprint} =~ m/^select/i' /var/lib/mysql/slowtest-slow.log> slow_report4.
77220发布于 2021-10-08
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