- 综合排序
- 最热优先
- 最新优先
- 来自专栏林德熙的博客
win10 uwp 车表盘 径向规
WinRTXamlToolkit.Controls" 才可以写出下面代码 <controls:Gauge x:Name="Gauge" Value="<em>10</em> 说到这我用xaml画Windows<em>10</em>图标，应该大家看到上面gif，这里我不是使用图片画出来的，我是用 Path 的方式画出来的，请看代码 <Grid Margin="10,10,10,10">
91610发布于 2018-09-19 - 来自专栏机器学习AI算法工程
xgboost融合模型：大学助学金精准资助预测(有数据)
教育算法资格赛采用某高校2014、2015两学年的助学金获取情况作为标签，2013~2014、2014~2015两学年的学生在校行为数据作为原始数据，包括消费数据、图书借阅数据、寝室门禁数据、图书馆门禁数据 、学生成绩排名数据，并以助学金获取金额作为结果数据进行模型优化和评价。 你所看到的这份代码，是Data Castle数据挖掘公开赛《助学金精准预测》的冠军作品。 本程序以大学生的行为数据以及历史获助学金情况作为训练数据集，对代码内的模型进行训练，后可根据新的大学生行为数据进行助学金获得情况预测。 完整作品、代码、数据集 关注微信公众号 datayx 然后回复 助学金 即可获取。 ? 如何运行 注意 目前，这些代码的编写是只保证可以work，能够生成出结果的。
1.1K20发布于 2019-10-28 - 来自专栏金融安全
LLM与智能代理在金融合规反洗钱的技术框架
这种能力使得结构化的交易数据能够与非结构化信息——如客户通信、法律文件和负面媒体报道——相融合，从而创建一个以前无法大规模实现的整体风险图景。然而，真正的范式转变是LLM代理（Agents）的出现。 这种融合定性和定量信息的能力是解锁更全面、更准确的风险评估形式的关键。虽然独立的LLM是处理基于语言任务的强大工具，但其本质上是被动的；它只有在人类用户给出特定提示时才会行动。 每个应用的核心价值主张在于能够融合结构化和非结构化数据，创建一个以前无法大规模构建的、全面的、具有上下文感知的风险图景。 这可以将提交SAR所需的时间从数小时缩短到几分钟，从而极大地提高合规团队的处理能力。2.4 代理的飞跃：自主的多步骤合规工作流上述能力代表了对反洗钱工作流程中离散任务的重大增强。 机构必须能够解释和证明其合规决策，无论这些决策是由人还是机器做出的。先进神经网络（包括LLM）固有的复杂性和“黑匣子”性质，带来了重大的合规风险。
90111编辑于 2025-12-09 军民融合弹药生产库房温湿度追溯审计 GMP 合规方案
弹药存储场景与技术方案适配弹药库房温湿度基于技术方案的核心功能（防爆合规、精准监控、联动控制、远程管理等），结合弹药存储的不同场景特点，梳理出以下 16 个核心应用场景，均与方案技术亮点高度适配：一、军用核心弹药存储场景 陆军常规弹药库房：适配集团军 / 师级常规弹药（炮弹、子弹、手榴弹等）存储，依托防爆传感器 + 多渠道报警，满足《弹药安全管理条例》合规要求，解决人工巡检效率低的痛点。2. 军民融合弹药生产库房（军工企业）：满足军工企业成品弹药存储 + 生产过程温湿度追溯需求，支持数据导出审计，符合 GMP / 军工质量体系要求。 添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）四、合规与管理导向场景 每个场景均聚焦方案的核心技术优势（防爆、精准、联动、远程），覆盖 “常规 / 特种、固定 / 移动、室内 / 地下、军用 / 军民融合” 全维度弹药存储需求。
22510编辑于 2025-12-12- 来自专栏财经1
“合规＋场景＋技术”三位一体 开启互金下半场
合规成为了互金平台的生死命门。 作为互联网金融行业首个由中国人民银行同银监会、证监会、保监会等金融主管部门组建的国家级互联网金融行业自律组织，其入会门槛较高，会员中除了国有四大银行等传统金融大鳄，还有支付宝、宜信、陆金所等互金巨头。 达飞积极加入互金协会，也侧面证明了达飞云贷的平台资质、运营模式和合规建设上得到了认可，展示了达飞拥抱监管的积极态度。 问题平台怕监管，但优质平台却主动“求监管”。 “场景金融＋大数据＋人工智能”三位一体，才能护航互金快艇的安全远航。 总之，野蛮的互金上半场结束了，合规的下半场开始了，在普惠金融这个超级蓝海里，只有合规、创新、注重风控的互金平台，才能跑得快、跑得远，才能潜入深海，收割红利。
93620发布于 2018-07-03 金仕达与腾讯合作通过AI智能体提升金融风控合规效率
应对金融风控与合规的挑战 金融机构面临日益严格的监管要求和海量法规更新，传统人工合规审查方式效率低下且易出错。业务数据分散在不同系统中形成"数据孤岛"，导致风险视图不完整。 部署智能合规与风险管理系统 金仕达联合腾讯推出AI智能体解决方案，基于腾讯混元大模型和自研凯撒大模型，构建智能合规审查系统。 实现量化效率提升与规模化应用 金仕达已研发100个智能体，完成20个AI课题结项。 智能合规问答系统准确率超过85%，合同审核智能体大幅减少人工复核工作量。 "AI审核智能体能够自动识别文件类别，调用对应审核要点进行审核，最终汇总输出风险点和修改建议，显著提升合规审查效率" —— 金仕达风控合规专家 腾讯技术赋能金融科技创新 腾讯提供混元大模型作为技术底座，
18920编辑于 2026-04-09- 来自专栏机器学习
算法金 | 选择最佳机器学习模型的 10 步指南
大侠幸会，在下全网同名[算法金] 0 基础转 AI 上岸，多个算法赛 Top [日更万日，让更多人享受智能乐趣]机器学习和数据科学领域的工作充满挑战和乐趣，在我踏上人工智能探索之路的初期，我对能够参与项目感到无比兴奋 集成学习：应用模型融合技术提升模型稳定性和准确性。10. 模型部署和监控部署策略：选择合适的技术和平台部署模型。性能监控：建立监控系统跟踪模型性能。模型维护：定期评估和更新模型以适应新数据。 ]10. [ 算法金，碎碎念 ]继10 大必知的人工智能算法 和 超强！深度学习 Top 10 算法！ ..全网同名，日更万日，让更多人享受智能乐趣烦请大侠多多 分享、在看、点赞，助力算法金又猛又持久、很黄很 BL 的日更下去；我们一起，让更多人享受智能乐趣同时邀请大侠 关注、星标 算法金，围观日更万日，
46000编辑于 2024-06-15 - 来自专栏腾讯安全
一文透析腾讯安全多体系融合策略在合规中的优势
又是通过怎样的优化合规治理方式，在一次审核中完成多达七项标准的合规认证的呢？本文将从企业安全治理的角度，分析腾讯安全多体系融合策略在标准管理和合规治理中的优点。 多标准融合五大支柱体系，三大优势助力合规提质增效 所有的标准认证都有期限，由于腾讯云业务种类、规模的不断扩展，国内外信息安全标准的相继出台，各标准所要求的控制内容和强度也会发生变化，所以每年的复审都是一次新的挑战 如果每个标准各成体系的话，将会为腾讯云的合规工作带来巨大的困难。为了加快合规工作的效率，提升合规成功率，腾讯云将诸多标准融合为5大支柱体系，并通过交叉引用形成1套内控文档体系。 总的来说，多体系融合为企业通过标准审核认证带来了三大优势： 节约时间。 一般而言不计算前期的准备，单个认证的审核周期一般在2周左右，以此次腾讯云通过7个认证为例，如果每次审核只通过一个认证，7个认证将会占用超过10周的时间，这将大大影响产品团队的日常工作。
4.4K20发布于 2019-12-03 10 亿欧元砸向欧洲！TikTok 布局不止为合规
4 月 8 日，TikTok 突然官宣，要在芬兰拉赫蒂投 10 亿欧元建第二座数据中心，算上去年敲定的科沃拉项目，短短一年内在当地砸下超 20 亿欧元。 只要有观察过出海与数据合规的小伙伴，都会清楚这并不是单纯的基建加码，而是 TikTok 在欧盟高压监管下，为稳住欧洲 2 亿用户、筑牢电商基本盘的关键一步。 背后既有被动合规的无奈，更有主动卡位全球市场的长远算计。 二、生意逻辑的升级：基建打底，电商长期主义才是核心 很多人只看到合规，却忽略了 TikTok 的电商野心。当下出海竞争早已从拼用户增速，转向拼底层基建与长期稳定性。 行业风向已经很明确：出海平台想走得远，必须先把合规基建做扎实。TikTok 连续重注芬兰，既是应对监管的被动选择，更是扎根欧洲、冲刺全球零售格局的主动战略。
15110编辑于 2026-04-13金仕达与腾讯联合AI方案提升金融风控合规效率与精准度
构建AI驱动的风控合规智能体系 金仕达联合腾讯，基于智能体平台与知识库引擎，推出AI风控合规解决方案。 机构部署范围：在 10余家金融机构 投产，包括国投证券、粤开证券、东方证券、申万期货、中国银行、招商银行、浦发银行等（来源：金仕达部署清单）。 “AI问答系统能够快速精准回答复杂金融合规问题，并提供法规引用溯源，显著提升工作效率与决策可靠性。” 联合方案依托腾讯云高性能网络与存储基础设施，满足金融级安全与合规要求。 数据来源：金仕达全球数字生态大会公开材料，腾讯云技术白皮书。 应用案例：国投证券、招商银行、浦发银行等10余家金融机构。
21420编辑于 2026-04-12- 来自专栏C++领域相关博客
“融合进化，智领未来”电科金仓引领数字化转型新纪元
一、融合进化 智领未来·电科金仓2025产品发布会重磅开启！ 7月15日，以“融合进化 智领未来”为主题的电科金仓2025产品发布会在北京举办。产品发布会上展示了四款代表未来数字化趋势的创新性产品。 在线观看-融合进化 智领未来·电科金仓2025产品发布会 电科金仓作为中国领先的信息技术解决方案提供商，凭借在数据库技术、云计算、大数据等领域的持续创新，逐步在国内外市场取得了重要地位。 数据融合新纪元：金仓数据库一体机云数据库AI版 该产品深入融合了金仓数据库、超融合平台、高性能硬件以及AI大模型，为用户提供了一种低成本的数据库私有云解决方案。 KES V9 2025，作为电科金仓在AI时代推出的融合数据库，融合了人工智能技术，具有智能查询优化、自动资源调度等强大功能，极大地提高了数据库在高负载下的处理能力和效率。 2. 四、未来方向：电科金仓数据库与数字化转型的前沿探索 在线观看-融合进化 智领未来·电科金仓2025产品发布会 电科金仓数据库的技术优势与2025年发布的产品相得益彰，展现了其在数字化转型和AI驱动的数据管理领域的全面布局
42610编辑于 2025-07-22 - 来自专栏TEL18600524535
药品GSP证书识别技术：人工智能与医药合规管理深度融合的典范
将结构化数据输出到数据库、业务系统（如ERP、SCM、合规平台）或直接呈现给用户。 突破：训练专门的手写体OCR模型，或采用融合印刷体和手写体识别能力的混合模型。对关键手写字段（如签名、日期）可能需要结合人工复核。 高精度要求与容错率低：难点：证书编号、有效期等关键信息一字之差可能导致严重后果（如合规风险、业务中断）。要求识别精度接近100%。 突破：采用更深度、更精准的神经网络模型；设计多模型融合或投票机制；结合强大的规则库和知识图谱进行二次校验与纠错；关键字段设置人工复核点。 药品GSP证书识别技术是人工智能与医药合规管理深度融合的典范。它通过克服版式复杂、干扰众多、精度要求高等技术难点，实现了从纸质证书到结构化数据的智能飞跃。
43910编辑于 2025-08-04 - 来自专栏人工智能
企业级AI Agent实战选型：主流智能体平台架构与落地能力对比
金智维作为垂直行业解决方案提供商中的核心代表，深耕企业级流程智能化领域十余年，依托自身深厚的行业积累与技术沉淀，打造了Ki-AgentS企业级智能体体系，深度融合大模型、AI与自研RPA执行验证引擎，聚焦财务 以金智维服务西安银行为例，针对银行对公专用账户开立流程繁琐、耗时久、备案时效性要求高的痛点，金智维依托企业级智能体，融合OCR、人脸识别、远程音视频等AI能力与自研RPA技术，对传统线下业务进行全流程改造 改造后，该业务办理时间由原来的约2小时缩短至12分钟以内，效率提升10倍以上，备案成功率达到100%，全年为西安银行减少工作量40000小时、节省人力20人/年，既满足了银行合规管理需求，又显著提升了客户体验与业务办理效率 结合技术深度、商业落地能力及应用成熟度，企业可参考以下选型策略：-大型企业（年营收10亿+）：优先考虑金智维及蚂蚁数科Agentar，其全栈开发能力、安全认证及跨行业知识库体系可快速支撑金融、零售等场景 -中型企业（年营收1-10亿）：得助智能的RAG框架与行业模板能快速落地，降低开发门槛。金智维双模式开发与原生架构兼顾技术深度与易用性。
84910编辑于 2026-02-11 - 来自专栏孟永辉
蚂蚁金服的明天
在这个方面，蚂蚁金服需要更多地去思考如何助力实体经济的发展，特别是如何在实现了「金融」和「科技」两种元素深度融合的基础上，助力实体经济的发展。 实现合规，成为一种必然 无论是回归基础，抑或是实现孪生，金融科技的发展必然都是以实现合规为前提条件的。我们看到的以蚂蚁金服、京东数科为代表的头部金融科技玩家们的调整，基本上都是以合规为目标和方向的。 无论是蚂蚁金服聘任外部董事，抑或是京东数科让合规部的领导掌舵，我们都可以看出，合规对于金融科技玩家们来讲，可谓是重中之重。 当我们在思考和探索蚂蚁金服的未来发展方向时，需要更多地站在合规的角度来思考和看待问题。 当金融科技实现了合规，那么，它将不再把收割流量看成是唯一的发展方向，而是更多地将自身的功能和作用拓展在更多的场景和方向上。从这个角度来看，如果我们思考蚂蚁金服的明天的话，实现合规，同样是一种必然。
65920编辑于 2022-08-01 - 来自专栏腾讯云数据库(TencentDB)
金融自主创新再加速 金仕达与腾讯云发布融合共创方案
5月16日，在2024金仕达风险合规暨交易技术大会上，金仕达与腾讯云签署战略合作协议，双方联合发布了“金仕达大风险业务与腾讯云TDSQL数据库融合共创方案”，方案将通过金仕达大风险应用与TDSQL数据库的深度融合 金仕达作为国内领先的资本市场新一代信息技术服务商，为金融机构提供金融市场交易管理、风险与合规管理技术解决方案等，先后服务了包括交易所、银行、保险、证券、期货、基金等近400家的金融机构客户。 为了助力中小金融机构加速推进金融技术自主创新，金仕达和腾讯云达成战略合作，联合发布“金仕达大风险业务与腾讯云TDSQL数据库融合共创方案”，为金融机构提供一站式的应用和服务。 金仕达大风险应用已与TDSQL数据库深度融合，金仕达拥有丰富的数据库集成及服务经验，能够为客户提供端到端的支持，能够保障业务的快速批量上线和长期服务。 在大数据方向，基于金仕达数据平台和腾讯云TBDS大数据套件的方案已互认证融合，未来双方将为客户提供数据中台解决方案和服务。
69710编辑于 2024-05-20 - 来自专栏科技云报道
10亿+！书生云签下全球超融合市场最大订单
、余泱漪、韦奕等棋手一起共同见证全球超融合市场最大订单的诞生。 超融合是当前IT行业最热门、最前沿的发展方向之一，当前已在中国生根发芽，大小厂商达几十家。2015年中国超融合市场规模突破1亿美元，2016年达到1.7亿美元，同比增长70%。 据了解，凤凰大数据中心项目投资10多亿元，设计存储容量达到1EB（注：1EB=1024PB，1PB=1024TB），金额上，相当于中国上一年全年的市场总量，也是全球超融合技术迄今获取的最大订单；体量上， 该项目的签订也使超融合的应用领域扩展到了大型数据中心。 书生云以国际领先的超融合技术建设凤凰大数据中心，仅需300多台书生云超融合机柜即可完成部署，从而大幅降低机房空间和耗电量，以往动辄上万台机柜建数据中心的场景将不再需要。
66010编辑于 2022-04-12 腾讯联合金仕达：大模型重构金融风控与合规全链路业务
构建端到端的金融级AI智能体平台与合规知识库 为突破传统风控瓶颈，上海金仕达软件科技股份有限公司联合腾讯云，打造了覆盖“IaaS智算设施-PaaS智算平台-MaaS模型服务-SaaS应用服务”的全栈大模型联合解决方案 应用部署规模： 相关AI系统已在 10多家 金融机构完成部署，包括国投证券、粤开证券、东方证券、申万期货、上海国际等头部机构。 融合腾讯智算网络与多模态组件，打通技术向业务转化的闭环 金融行业对系统的稳定性、推理准确性与数据安全性有着极高要求。 多模态组件深度融合： 将腾讯成熟的OCR（光学字符识别）、ASR（语音识别）、TTS（语音合成）等原生组件无缝嵌入业务流，解决金融场景中大量非结构化文档（如PDF解析、纸质合同、语音沟通）的数字化提取难题 模型兼容与安全可控： 提供标准API/SDK与安全围栏（Agent组件），兼容开源模型（DeepSeek、Qwen）、商业模型（腾讯混元）及金仕达凯撒专业模型，确保金融机构在数据不出域、合规受控的框架下
31030编辑于 2026-04-12金仕达&腾讯AI赋能金融风控合规：量化提效与风险管控实践
应对金融风控合规的多重挑战 金融行业面临监管趋严与业务复杂性增加、多源数据与信息孤岛、低效繁琐合规操作、新兴风险与传统模式脱节四大核心瓶颈。 落地AI赋能的风控合规联合方案 金仕达（中国领先的金融与产业市场软件服务商）与腾讯联合推出风控合规领域AI赋能解决方案，通过三大路径创造价值： 提升合规效率与准确性：AI自动处理外部法规及内部规章， 验证AI应用的量化业务价值 据金仕达AI进展与成果，联合方案已实现技术成果向应用转化，核心量化指标如下： 智能体研发与部署：已研发智能体100个，结项AI课题20个；在十多家机构部署（国投证券、粤开证券 应用效果示例：AI审核智能体自动识别合同类别、调用审核要点，输出风险点（如信托计划净值复核义务缺失提示）；外规内化系统分拆条款、建立内外规联系，实现内规有效性评估与智能修订推荐；AI咨询智能体通过RAG （数据来源：金仕达&腾讯联合解决方案、金仕达AI进展与成果、行业趋势与痛点分析）
25510编辑于 2026-04-12- 来自专栏新智元
三金，又是中国队！全球机器人视触融合挑战赛揭榜
新智元报道 编辑：桃子 好困 【新智元导读】ManiSkill-ViTac 2025视触觉融合挑战赛揭榜！全球42支团队激烈交锋，中国团队包揽三金，刷新国际榜单。 这家刚成立不久就获得2亿天使轮融资的黑马企业，核心团队出身于老牌AI企业旷视科技，并且具有超过10年的AI原生产品规模落地经验。 中国队夺三金 凭什么？ 在纯触觉操作赛道（Track1）中，原力灵机Dexmal团队直面机器人操控的终极难题： 如何在完全没有视觉辅助的条件下，仅凭触觉完成高精度的操作？ 两者的融合，不仅可以提升机器人对环境的感知鲁棒性，还为跨场景、跨任务的泛化能力奠定了基础。 作为赛事主办方代表，清华大学助理研究员陈睿博士表示： 多感知模态融合在机器人领域有非常大的应用价值。 夺得双金的Dexmal团队表示，团队日前还参加了CVPR 2025协作智能Workshop核心赛事之一——RoboTwin，并在第一轮仿真平台赛中斩获并列第一。
41310编辑于 2025-05-21 - 来自专栏大模型应用
大模型应用：联邦学习融合本地大模型：隐私合规推荐的核心流程与实践.62
合规可追溯性：各节点仅处理本地授权数据，参数传输、聚合全程可留痕，便于监管部门审计，满足合规备案需求。 因此，在保障数据不出域、隐私不泄露的前提下，亟需一种新型协同建模机制，联邦学习，成为打破数据孤岛、实现全局智能升级的唯一合规且可行的技术路径，无需共享原始数据，仅通过加密参数更新量的协同，就能融合多门店数据特征 联邦学习的融合需建立在本地大模型部署的基础上，先通过本地处理阻断数据泄露路径，再通过联邦学习突破效果瓶颈。 本地微调：各门店使用本地标签样本微调模型，迭代10-20轮，聚焦推荐准确率优化，相较于基础参数的差值生成模型参数更新量。2. 合规审计：留存全流程日志，包括参数传输时间、聚合结果、效果数据，供监管部门审计，确保合规可追溯。五、示例实践1.
24432编辑于 2026-03-31
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