首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏科技版

    智能双录助力银业务合规高效!

    云双录产品助力银业务合规高效 响应监管要求,元云不断打磨智能双录平台,致力于赋能金融行业,打造符合监管要求的双录应用,针对扩宽赛道的银领域,元云更是不断加大技术投入,结合监管要求和业务痛点, 近年来,元云在银领域持续发力、为银行业不断注入新的动能,携手多家银行在金融发展和数字化转型的道路上占据领先优势,有效地帮助客户实现多种银行应用场景的创新,满足其业务在互联网音视频快速发展背景下的需要 元智能双录产品覆盖线上线下全场景,包含远程双录、现场双录、网点柜面交易、远程面签、开户面审、远程营销等,全面满足银各类业务场景需求。 同时, 智能化AI技术保障双录过程完整、严谨、合规,提高投保和质检效率,全面满足业务留痕的监管要求;成熟领先的音视频技术保障清晰、流畅、稳定的音视频质量,有效提升双录效率和客户体验。 元云远程双录功能适用于全平台音视频客户端,兼容本地录制与远程通话场景,同时无缝对接现有质检平台,保证关键环节无遗漏。

    3.8K40编辑于 2022-03-30
  • 来自专栏安全播报

    特辑 | 基于千万规模实战经验,腾讯云容器安全重最佳实践分享

    本文将结合腾讯云内部业务千万规模容器安全治理经验,为大家继续剖析企业云上最后一道防线之一——容器安全,在重场景下的最佳实践。正本清源,从容器特性出发理清攻防侧重点工欲善其事,必先利其器。 把握三大关键阶段,四步构建全生命周期容器防护体系在重场景下,腾讯云容器安全建议企业把握住构建、部署、运行三大关键阶段,四步构建全生命周期容器防护体系。

    1.4K30编辑于 2022-10-20
  • 来自专栏编程技术宇宙

    CPU明明8,网卡为啥拼命折腾一号

    咱们厂里明明有8个车间,他非得一个劲的只给我们发消息,搞得我们手头的工作老是被打断,忙得不可开交。 终于,我忍不住了,去找网卡那家伙理论了一番。 八号车间代表:“随机个啥啊,多麻烦,依我看呐咱8个车间就轮流来呗” 这时,领导问操作系统代表有没有什么建议。 这代表站起身来,推了推眼镜说到:“几位有没有听过线程的CPU亲和性?” “就是有些线程想绑定在你们之中的某一个上面执行,不希望一会儿在这个执行,一会儿在那个执行” 我接过他的话:“好像是有这么回事儿,之前有遇到过,有个线程一直被分配到我们一号车间,不过我们对这个不用关心吧 你们每个的一二级缓存都是自己在管理,要是换到别的,这缓存多半就没用了,又得重新来建立,这换来换去的岂不是瞎耽误功夫嘛! APIC默认有一套分发策略,但是也提供亲和性的设置,可以指定谁哪些来处理,这样不用把规矩定死,灵活可变,岂不更好?” 刚说完,会议室门口突然出现一年轻少年,挥手将操作系统代表唤了出去。

    1.5K21发布于 2020-07-23
  • 来自专栏后端云

    k8s支持容器绑定

    找到应用对应的Pid,查看没有绑定到固定上,而是在一个cpu池子里随机选。 PidsLimit": 0, [root@paasn4 ~]# taskset -c -p 118177 pid 118177's current affinity list: 0-39 开启容器工作节点支持cpu绑定特性 root@paasn4 ~]# systemctl status kubelet [root@paasn4 ~]# kubectl uncordon paasn4 找到应用对应的Pid,查看已绑定到固定上 [root@paasn4 ~]# docker ps|grep demo 8da22cd45eda 8c9ca4d17702 "nginx -9bfc-11ea-a000-04bd7053eff0_0 [root@paasn4 ~]# docker inspect 8da22cd45eda|grep Pid "Pid

    3.8K40发布于 2020-06-11
  • 传三星Exynos 2600将放弃10架构,转为采用8CPU

    6月18日消息,据X平台用户@OreXda 爆料称,三星明年即将推出的新一代的基于自家2nm制程的旗舰芯片Exynos 2600可能将不会坚持采用10CPU架构,转为采用8CPU架构。 此前已经曝光信息显示,三星计划今年晚些时候推出的3nm的Exynos 2500基于“1+2+5+2”的十CPU架构,包括1颗3.30 GHz的超大,2颗2.75 GHz大,5颗2.36GHz大, 2颗1.80GHz小。 目前三星已经将主要的资源投向了2nm制程的Exynos 2600,而最新的爆料称,三星Exynos 2600 将会采用2个超大和6个大, Geekbench 6 中的单核得分约为 2,950分,多核得分约为

    19210编辑于 2026-03-19
  • 来自专栏智能化转型黑科技分享

    “无卡触发”智能过磅系统,数据安全!

    数据安全如何

    84430编辑于 2022-11-17
  • 来自专栏加菲猫的VFP

    腾讯云免费升级44G8M

    升级教程: 1、点开轻量控制台 https://console.cloud.tencent.com/lighthouse/instance/index 2、找到2-4-8配置的机器 3、点击更多,点升级套餐

    5K10编辑于 2022-04-07
  • 来自专栏用户9973510的专栏

    816g服务器支持多少并发

    816g服务器支持多少并发816g服务器是配置比较高的服务器了,具体支持多少并发,会受到带宽、服务器速度、不同用户正在访问的页面大小等一系列因素的影响,这个问题是无法得到一个准确答案。 假定你的云服务器带宽为1M;假定用户等待网页响应的最长时间为8S。忽略服务器计算和处理的时间,仅考虑网页文件从服务器下载到客户端的速度。 公式:带宽X等待时间/页面大小=并发人数首先,我们计算1M带宽在8S中之内能传送多少个60KB的页面,1024*8/60=136.53 也就是大约为137个。 这意味着,如果每一个用户都愿意等到极限的8秒钟,那么可以满足137个人同时在线。如果想要每个人平均等1秒钟的话,这个数字大概是17(1024*1/60)。 按照这个公式,如果你的云服务器是5M带宽的话,它支持的最大并发数是1024*5*8/60=683。也就是5M带宽的服务器,最大支持683个人同时在线。

    4.7K20编辑于 2022-10-24
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 11-8 RBF函数中的gamma

    a 高斯中的gamma 高斯函数和概率论中的高斯函数(正太分布)形式是一致的。 高斯函数中的gamma越大,相对高斯函数中的σ越小,此时的分布曲线也就会越高越瘦; 高斯函数中的gamma越小,相对高斯函数中的σ越大,此时的分布曲线也就越矮越胖; 接下来使用sklearn中函数为高斯函数的 本小节SVC分类算法使用的函数都是高斯函数,因此只需要在实例化SVC类的时候指定kernel = "rbf"以及gamma为用户调用函数时传入的gamma值; 接下来就可以利用这个函数来实例化一个函数为高斯的 上图所示的就是使用高斯且当gamma = 1.0时候得到的决策边界。此时得到的决策边界和多项式函数得到的决策边界并没有什么区别,这是因为取gamma = 1.0还看不出来函数为高斯的特点。 c 小结 使用SVM算法解决分类问题,如果核函数选用高斯(或RBF),gamma参数值相当于在调整模型的复杂度。

    6K51发布于 2020-10-26
  • 来自专栏YOLO大作战

    YOLOv8独家原创改进:大卷积涨点系列 | Shift-ConvNets,具有大效应的小卷积 | 2024年最新论文

    本文独家改进:大的卷积设计成为使卷积神经网络(CNNs)再次强大的理想解决方案,Shift-ConvNets稀疏/移位操作让小卷积也能达到大卷积效果,创新十足实现涨点,助力YOLOv8在多个私有数据集和公开数据集 因此,大卷积设计成为卷积神经网络(cnn)再次伟大的理想解决方案。然而,典型的大卷积是对硬件不友好的运算符,导致各种硬件平台的兼容性降低。因此,简单地扩大卷积的大小是不明智的。 基于大卷积的持续演化,我们提出了移位算子。改进的模块结构如图4(a)所示。具体来说,我们将大卷积转换成一组正常的小卷积,然后对每个卷积结果应用移位操作。图4所示。 (a)将一个M × N卷积分解为k N × N卷积,并使用移位操作来完成等效大卷积运算(对于SLaK部分阶段,M=51, N=5);(b)整体模块结构。 图5所示。大卷积的框架。 大卷积的框架。(a) SLaK在大卷积中的应用。它使用两个51 × 5卷积进行水平和垂直卷积。最后加上5×5卷积的结果。

    1.6K10编辑于 2024-02-08
  • 来自专栏流川疯编写程序的艺术

    《大数据+AI在大健康领域中最佳实践前瞻》---- 智能服务在保险业务中的应用探讨

    部门失去了一道天然屏障。这些都是增加了风险控制的难度。 双系统是一个人工智能驱动的赔系统。旨在辅助保险公司为投保人提供更优质的保险服务。 双系统的主要目的是: 智能化手段处理大批量居民医疗数据,进行健康分析。 为不同公民提供量身定制的赔方案 简化保险人员工作流程,提高保险公司保险服务质量。 (2) 主要开发周期(序号1-6)约为8周,工作量需32人周。 (3) 实施周期(序号7-12)约为2周,工作量需10人周。 重大疾病及住院:拒。 参考: 基本手册 原型设计 登录 创新性 双平台为保险从业人员提供了一种智能赋能的赔方式。 具体创新性提现在以下几点: 1.创造性的通过人工智能算法(分类,聚类,异常检测,预测等算法)进行驱动,对个人健康数据进行有效管理,提升赔建议的准确性。

    1.1K10编辑于 2021-12-06
  • AI大模型重构保险全链路:从单点提效到智能体协同

    保险行业面临效率瓶颈与智能化转型压力 保险行业在客户服务、赔、运营管理等环节存在显著效率瓶颈。传统人工处理模式导致响应速度慢、标准化程度低、运营成本高。 特别是在两赔)领域,人工评残时间长、效率低,成为业务流转的关键堵点。代理人面临产品知识更新快、客户需求多样化的挑战,急需智能化工具提升服务质量与响应效率。 系统覆盖保险条款、投保规则、基本法、额保费计算、佣金计算等核心场景,问答准确率达到95%。 两助手重构工程险与伤残评级流程 在工程险场景,智能体通过OCR技术解析土建施工合同,自动分析承建高度、钢结构占比、材料成本等关键指标,与行业参考值对比后生成核建议。 系统能够自动识别20米以上高空作业、人工挖桩等高风险环节,并提出具体的费率调整建议(如基准费率上浮8%-12%)。

    49510编辑于 2026-05-30
  • 来自专栏seth-shi的专栏

    为什么 k8s 上 0.5 的 pod 这么忙?

    前情 我们的技术总监在我写广告合并请求的业务时, 和我说了一句现在的服务是不是都是运行在0.5的节点上, 需要注意设置一下参数 然后我回去看了一下, 我们的golang部分服务是运行在k8s上0.5的 pod, 然后跑在多台8的物理节点上 然后程序中可以通过以下命令打印出当前的GOMAXPROCS, 服务虽然运行在pod上,但打印的是实际的宿主机的核心数 package main import ( func main() { // runtime.GOMAXPROCS(1) : 设置为 1 fmt.Printf("当前: %d", runtime.GOMAXPROCS(0)) // 8 简单的来说, 就是本身容器只有0.5, 但是却设置了GOMAXPROCS=8, 导致会创建出8个P, 每个P由不同的M管理 所以当GOMAXPROCS大于核心数量的时候, 会导致线程不断的切换, 然后

    42810编辑于 2023-12-18
  • 来自专栏腾讯云可观测专栏

    云“战疫”:8天扩容100万,我们这样做好监控

    每天面对数万、数十万的设备量需求,虽然每个模块有各自的负载特点,但大盘层急需准确把控整体系统水位,从而判断整体设备需求趋势。跟后端的设备供应部门准确、有效地提出需求。 2. 图五 - 智能告警配置移动端 2. 智能多维 业务人员关注整体业务大盘,同时业务保障工作是一个相对细致的工作,既要保障大盘稳定性,也要随时诊断导致各种业务异常的根因,现场如战场,故障场景下,早一秒钟获得根因,就能早一秒钟修复故障,减少损失 这种情况下,一般根因上可能与客户的地域、运营商、客户端版本相关,利用智能多维较为容易找到客户端根因汇聚。 通过智能多维能迅速找到汇聚。

    80510发布于 2020-03-26
  • 来自专栏科技版

    双录、可回溯政策再升级,元云音视频产品护航金融交易合规高效

    2017年8月,银监会发布了《银行业金融机构销售专区录音录像管理暂行规定》,要求银行业金融机构实施专区“双录”,即设立销售专区并在销售专区内装配电子系统,对自有理财产品及代销产品销售过程同步录音录像。 ,推出元智能音视频解决方案,该方案基于元云音视频平台构建,全面覆盖现场双录、远程双录、互联网销售可回溯等业务场景,助力金融行业打造既符合监管要求,又满足业务需求的完整音视频体系。 全程业务留痕,有效避免违规行为 元智能音视频解决方案助力金融业务实现交易全程留痕可追溯,帮助金融机构有效规避潜在违规风险。 一次通过率高,有效控制成本 元云与国内各大AI智能厂商紧密合作,深度集成适配,提供语音识别、人脸识别、人证合一、身份查验、手势识别等各类智能化场景。 基于智能化AI能力,元智能音视频解决方案在双录过程中全流程实时‘人脸+声纹’双身份核验、实时风险播报提示,操作简单,更好地辅助金融服务人员规范“双录”操作,将原来一次录制合规通过率从不到60%提高到

    3.3K50编辑于 2022-03-14
  • 腾讯云AI大模型重构保险全链路智能化应用与落地路径

    识别保险业务智能化转型的战略困境 保险行业正面临从传统流程向AI原生应用转型的挑战,核心痛点集中在高频人工场景的效率瓶颈与数据价值挖掘不足: 人工密集型任务低效: 车险人伤评定、工程险等场景依赖人工法医或师 2.2 中台:提升风险管理与运营效能 两/赔)助手: 工程险智能: 上传合同照片,通过OCR解析并对比行业参考值(如承建高度、工期人力密度),自动给出费率调整建议(如基础费率增加10%)。 伤残智能评级: 上传出院小结、病历等,OCR解析后结合RAG召回评定规则,准确率达95%。 健康: 结合OCR与疾病归一化ICD技术,自动识别用户疾病并给出保结论。 客户实际案例:某互联网保险代理的智能升级 病: 保险详情页的疾病类问题(如“得了什么病能不能买”)是头部用户咨询,涉及复杂的医学知识与逻辑,原有人工模式效率低,严重影响用户体验。 系统自动解析用户咨询,通过疾病归一化技术匹配标准医学术语,结合逻辑自动输出结论。 效: 实现了疾病的自动化处理,解决了人工瓶颈,具体数值未在原文中披露,但反馈提升了用户体验,减少了人工介入。

    47710编辑于 2026-05-30
  • 大模型智能体平台:实现内部运营效率的量化提升

    构建分层式大模型技术应用框架 微采用三级技术路径实现能力升级: 提示词工程与智能体平台:通过RAG(检索增强生成)与工具调用处理简单任务,成本较低但扩展性强 大模型领域后训练:基于太极平台使用保险领域数据进行模型微调 ,提升专业问题处理能力 定制化业务系统集成:将智能体能力深度嵌入赔、客服等核心业务系统 关键业务场景实现效率的量化突破 智能体平台在近30日内实现部门使用渗透率超30%,人均创建智能体助手数量达5.75 提升5倍) 模型评估准确率:满意度89.8%,解决率80% 分析效率从人工标注的天/周级别缩短至分钟/小时级,人效提升约10倍 内容生产与知识管理 FAQ生成效率从40条/天提升至300条/天(提升约8倍 —— 微客服质检负责人 腾讯技术生态支撑的规模化应用能力 微大模型应用基于腾讯太极一站式平台与混元系列模型,具备三方面优势: 平台化敏捷交付:智能体平台提供开箱即用的工具集,降低使用门槛 领域知识增强

    11310编辑于 2026-05-30
  • 腾讯云AI行业解决方案核心价值与应用成效

    行业效率瓶颈与智能化转型需求 传统行业在核心业务流程中,普遍面临高度依赖人工、效率低下与质量控制不稳定等严峻挑战。 保险需人工阅读海量非结构化医疗报告;制造业外观质检速度慢,且存在漏检风险;城市治理与社区服务依赖人工巡检与响应,难以实现精细化管控。企业亟需通过AI技术实现降本增效与业务模式创新。 智能通过医疗报告结构化与AI模型替代人工阅读;工业AI质检通过腾慧飞瞳AI质检仪实现高柔性自动化外观检测;未来社区与城市治理方案则通过海量AI算法实现事件智能感知与闭环处置。 在华星光电面板缺陷检测中,缺陷识别效率提升10倍,判定一致性达90%以上,产线判图人力缩减50%,相当于节省125人/年,按人均8万元/年计,年节省成本约1000万元。 方案不仅提供技术工具,更深入业务流程,如智能与合同审核,直接赋能业务决策。同时,基于微信生态的独特优势,在未来社区等方案中实现了居民、政府、企业的高效连接与服务的广泛触达。

    17810编辑于 2026-05-30
  • AI大模型重构保险运营:从单点提效到智能体工作流

    第一章:保险运营面临效率与风控双重挑战 保险行业核心运营流程(承保、理赔、客服、销售)长期依赖人工经验,面临效率低、理赔周期长、客服响应慢三大瓶颈。 以工程险为例,传统人工审核复杂合同耗时长达数小时,且难以系统化识别高空作业、桥隧工程等20余类高风险条款;车险人伤评残需法医介入,案件处理周期超过30天。 第二章:腾讯构建“场景-数据-模型”三层重构框架 场景归类:将业务运营流程数字化,按“数据标准性+创造性需求”划分四类场景(如智能属数据标准、无创造性场景) 数据盘活:通过OCR、RAG技术将病历、 合同等非结构化数据转化为可检索的知识引擎 模型适配:根据场景特性组合选用模型——DeepSeek R1用于需复杂推理的伤残评级,Hunyuan多模态模型处理图像识别任务 第三章:智能应用实现95%准确率与效率跃升 工程险智能体:自动识别合同中的高风险条款,输出标准化JSON格式结论,时间从小时级缩短至分钟级 伤残智能评级助手:基于病历OCR解析和规则库检索,评级准确率达95%(来源:腾讯金融云实测数据)

    19910编辑于 2026-05-30
  • 来自专栏Deep learning进阶路

    Lecture8- SVM支持向量机 之方法 + 软间隔 + SMO 算法

    Lecture8 主要内容如下: ·Kernels (方法) ·Soft Margin(软间隔) –非线性可分的情况 ·SMO algorithm 1.Kernels (方法) ? 所以我们可以认为函数K(x,z)能够在一定程度上测定φ(x)和φ(z)的相似性,或者说x和z的相似性。比如下面这个函数: ? 实际上有一个结论,给出了函数K是合法的的充分必要条件 ①先来看必要条件: 假设现在已知K是一个合法的函数,对应着一个映射函数φ。 实际上,这个条件也是充分条件,使得K是一个合法的,称为Mercer kernel Mercer定理:任何的半正定函数都可以作为函数。 给出了判定一个函数是否是合法的标准。

    1.1K40发布于 2019-05-27
领券