- 综合排序
- 最热优先
- 最新优先
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
11710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。 在中国短时间里涌现出来的PE大军里，更是混杂了很多鱼目，甚至“李鬼”式PE，所以企业对PE的尽调在中国就显得尤其重要。 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。
58321发布于 2018-08-10 - 来自专栏全栈程序员必看
燃尽图_敏捷燃尽图
燃尽图（burn down chart）是在项目完成之前，对需要完成的工作的一种可视化表示。燃尽图有一个Y轴（工作）和X轴（时间）。 燃尽图向项目组成员和企业主提供工作进展的一个公共视图。（引自百度百科） 功能：提供了一种可视化的进度预测能力。 要素：需要完成的工作，完成项目需要花费的时间。 注：一个迭代的燃尽图没什么意义，持续迭代的燃尽图可以用于一些分析或数据积累，但它不是用于承载绩效考核等管理手段的工具。 对于迭代周期较短、每个迭代内Story数不多、Story的粒度较大的敏捷团队，或者成员时常变化的团队，其实可以适当尝试放弃燃尽图。
46220编辑于 2022-09-20 - 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。
40610编辑于 2025-02-11 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。
6400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. 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。
25910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。
1000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 ? 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
97210发布于 2018-09-12 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。
27010编辑于 2025-09-03- 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 在报告中，NITI Aayong 把医疗保健、农业、教育、智能城市和智能移动确定为应用 AI 将最有利于社会的优先领域。 基于 2016 年 4 月的「面向未来投资的公私对话」期间首相安倍晋三的声明，日本成立了人工智能技术战略委员会以发展「研究和发展目标以及人工智能产业化的路线图」。 该报告还指出，英国有机会领导全球人工智能，并建议在 2019 年举办一次全球峰会，以建立人工智能使用和发展的国际规范。 美国虽然在人工智能领域拥有最强实力，但目前尚没有国家层面的人工智能促进计划。
65850发布于 2018-07-26 - 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。 一、什么是系统调优？系统调优通常是指通过调整系统的硬件资源配置、软件参数、网络设置等，来提高系统的性能、稳定性和可用性。调优的目的是确保系统在不同的负载条件下，能够高效、平稳地运行。 数据驱动的调优：AI的最大优势在于其能够处理海量的数据，并从中提取出对性能调优有意义的信息。 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。
49110编辑于 2025-03-22 - 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 在报告中，NITI Aayong 把医疗保健、农业、教育、智能城市和智能移动确定为应用 AI 将最有利于社会的优先领域。 基于 2016 年 4 月的「面向未来投资的公私对话」期间首相安倍晋三的声明，日本成立了人工智能技术战略委员会以发展「研究和发展目标以及人工智能产业化的路线图」。 该报告还指出，英国有机会领导全球人工智能，并建议在 2019 年举办一次全球峰会，以建立人工智能使用和发展的国际规范。 美国虽然在人工智能领域拥有最强实力，但目前尚没有国家层面的人工智能促进计划。
79800发布于 2018-07-31 - 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 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 腾讯云商业银行数智化解决方案：以知识工程与智能基建驱动业务价值跃迁
应用实战：以AI对公尽调为例，通过多模态文档解析、生成式K-V提取模型、报告撰写模型，结合ADP工作流引擎可视化编排，实现尽调报告自动化生成。 第三章 量化应用效果与客户价值 效：方案落地实现关键业务指标显著提升，核心ROI指标如下： AI对公尽调效率：传统人工尽调周期10个工作日，AI方案压缩至1小时（结合人工审核1日内完成），周期缩短90% 第四章 客户实践：AI对公尽调与核心系统重构 托： AI对公尽调案例：某银行应用腾讯云方案，通过TI-ONE训推平台构建多模态文档解析与生成式K-V提取模型，ADP平台编排尽调流程，实现“上传材料- 审核结果”两步生成专业报告，解决传统尽调格式复杂、耗时长痛点，周期缩短90%，审核采纳率93%以上。 行业实践：深度参与微众银行、多家国有大行核心系统建设，AI对公尽调、智能风控等方案经千行百业验证，提供“拿来即用”的低风险落地路径。
12010编辑于 2026-04-22腾讯大模型信贷助手提升对公尽调效率10倍，压缩报告生成至1个工作日
应对尽调效率瓶颈 贷款利率持续下行推动信贷市场下沉，对公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过程中，对公信贷70%以上数据属于非结构化数据，严重依赖客户经理人工处理。 传统模式下，双人尽调、材料核查、授信审查等流程复杂，加剧了客户经理的工作负担。 部署智能信贷助手 腾讯云基于混元通用大模型，通过大规模场景化微调与应用工程开发，推出大模型信贷助手解决方案。 该方案具备多模态文档解析、智能提取和关联推理能力，支持Word、PDF、Excel、图片、音视频等多源异构材料的一站式处理。 个工作日压缩至1个工作日（腾讯云项目数据） 支持200MB以上超大文档解析，准确率较传统方案提升30%（腾讯云技术验证） 在跨境金融及对公信贷场景中，整单数据处理准确率达94%（腾讯云项目数据） 某金融机构智能尽调实践 系统通过坐标溯源机制确保所有数据结果可回溯出处，解决了传统尽调中数据来源模糊的问题。通过持续学习机制，模型在典型场景中的采纳率从微调前的70%-80%提升至90%。
10310编辑于 2026-04-24- 来自专栏AustinDatabases
PostgreSQL 备份“半网打尽”
因为POSTGRESQL 备份的方式很多，所以在众多的备份方式和软件中，也只能“半网打进”。
1.2K20发布于 2019-06-21 - 来自专栏AI+运维：智能化运维的未来
智能调优：机器学习如何让你的服务跑得更快？
智能调优：机器学习如何让你的服务跑得更快？一、运维的终极目标：更快、更稳、更智能作为运维人员，我们最关心的三件事：服务性能、稳定性、可扩展性。我们希望：更快：让请求响应时间尽可能短，减少卡顿。 智能资源分配：根据负载情况预测资源需求，做到精准扩缩容。自适应参数调优：让服务器配置参数、缓存策略等动态调整，适应不同负载情况。智能故障分析：通过日志分析故障根因，加快问题定位和修复。 三、智能异常检测：提前发现问题传统的运维监控主要靠 固定阈值报警，比如 CPU 超过 80% 触发告警。但这个方法最大的问题是阈值不好调，太低会报警泛滥，太高可能错过关键异常。 五、智能参数调优：让服务始终保持最佳状态运维人员经常需要调整服务器配置，比如：数据库连接池大小线程池最大并发数缓存策略传统方法是靠 试错法，但机器学习可以自动找到最优参数。 六、总结机器学习在运维领域的应用越来越广泛，尤其在 异常检测、智能扩缩容、参数调优 等方面，它能比人工更精准、更高效地优化系统，让服务跑得更快、更稳、更智能。
33600编辑于 2025-05-06 - 来自专栏Kubernetes GO
一文览尽CNCF
CNCF（Cloud Native Computing Foundation）于 2015 年 7 月成立，隶属于 Linux 基金会，初衷围绕“云原生”服务云计算，致力于维护和集成开源技术，支持编排容器化微服务架构应用。
2.1K20发布于 2021-02-01 - 来自专栏腾讯云数据库(TencentDB)
解放双手，数据库智能调参CDBTune等你来测
好消息，腾讯云数据库团队智能调参CDBTune产品现已进入内测阶段，欢迎数据库爱好者、使用者、开发者前来测试。 同时，数据库参数调优能力也是专家级数据库管理者的专属技能，这也就意味着调优性能受限于人力。除此之外，数据库参数调优还存在以下常见问题： 参数非常多：例如 MySQL，有几百个配置项，调优难度大。 云上新需求：部分用户没有专职运维团队，参数调优很难实现。 从调优效果比对图中可以看出，CDBTune在所有的情况下均体现了更好的性能，响应时间普遍降低50%以上。 图：智能调参CDBTune内测通道 智能调参CDBTune服务于数据库适应业务的各个阶段，所能实现的功能也正对应着每一阶段的特性。
93230编辑于 2022-04-26 腾讯云AI解决方案驱动银行关键业务效率提升与成本优化
应对银行对公信贷与软件开发低效瓶颈 银行对公信贷业务面临尽调文档处理繁杂、人工审核耗时长的核心痛点，传统模式下信贷尽调报告生成需10个工作日，严重制约业务响应速度。 推出大模型信贷尽调与智能编码解决方案 腾讯云基于大模型技术构建信贷尽调助手，通过文档预处理、检索召回、KV提取模型、风险分析模型四层架构，实现95%工作内容自动化覆盖。 针对软件开发场景，提供多智能体架构的代码助手解决方案，涵盖插件层（代码补全/问答）、模型层（企业代码训练）、运营层（指标体系）三层能力。 关键业务指标实现量化提升 信贷尽调效率提升：报告生成时长从10个工作日压缩至1个工作日，人工审核采纳率达93%，工作效率提升10倍（来源：腾讯全球数字生态大会演讲数据） 软件开发效能提升：在某头部股份制银行落地实践中 31%的代码生成率，服务超6000名用户（来源：腾讯代码助手解决方案数据） 综合开发效能指标：人均需求交付提升18%，编码行数提升41.3%，编码时间缩短40%，千行Bug率降低31.5%（来源：腾讯多智能体架构数据
22310编辑于 2026-04-20
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