登录社区云，与社区用户共同成长
邀请您加入社区
金融客户留存问题本质上是预测哪些客户可能流失，并制定相应的干预策略以提高客户留存率。客户行为分析：理解客户在金融产品使用过程中的行为模式，如交易频率、资金流动、产品偏好等，以识别潜在的流失迹象。预测模型构建：利用历史数据和实时数据构建准确的客户流失预测模型，提前发现高风险客户。干预策略制定：针对不同类型的潜在流失客户，制定个性化的干预策略，如优惠活动、产品推荐、客户关怀等。策略优化与评估：不断优化
文章探讨AI Agent原生应用兴起及生态层形成，介绍Claude Skills等工具让开发者"手搓智能体"，分析Agent的完整框架与开发分歧。指出智能体经济最小结算单元可能是"意图"，为Agent提供基础设施的"卖铲子"市场是确定性极高的爆发性赛道，是程序员不可错过的下一个蓝海机会。
金融机构面临非结构化数据处理难题(占比85-90%，利用率仅3-5%)。本文介绍智能数据系统架构，通过多模态理解、知识图谱构建、少样本学习等AI技术，将原始文档转化为决策级知识，实现信贷审批效率提升99%、风险识别能力提高37%等突破，为金融数字化转型提供技术路径。
本文基于2017-2024年中国59家金融机构数据，运用VAR模型构建金融系统风险传导网络。研究发现：证券业是风险吸收与溢出的核心主体，与银行业共同构成风险传导主轴，保险业则处于网络边缘。风险溢出网络密集度显著高于风险吸收网络，在外部冲击时期尤为明显。研究揭示了不同金融机构间风险传导的动态特征与结构性差异，为系统性风险管理提供重要参考。作者具有丰富VAR模型研究经验，相关成果发表于《统计研究》等权
本文综述了大语言模型（LLMs）在金融研究中的最新进展，涵盖其在金融预测、量化交易和风险管理等领域的应用。重点讨论了代理模型、多智能体系统的兴起，以及模型幻觉、可解释性和因果推断等挑战。最后，展望了未来研究方向，包括数据质量提升、模型可解释性增强和监管合规性等关键问题。
还在为AI生成的代码反复返工而焦虑？本文深度揭秘OpenSpec——让AI编程从“猜谜”走向“下棋”的规范驱动革命！通过结构化YAML/JSON规范，将模糊需求转化为机器可验证的“施工图纸”，结合某保险公司数据库工具组实战案例（模拟），展示如何将SQL高风险识别准确率提升至92%、网关配置错误骤降82%。涵盖核心流程、Gemini集成、金融行业落地全景、避坑指南与经典文献，手把手教你构建“规范即代
如今，人工智能技术正在影响各行各业。对图书馆来说，大语言模型的出现，带来了走向“智慧服务”的新机会。但一个问题很现实：市面上通用的AI模型，往往不太理解图书馆的业务。它们不熟悉专业的文献资源，也很难满足图书馆对数据安全和隐私保护的高要求。怎样才能让AI真正为图书馆所用？关键在于转变思路——从完全依靠外部AI服务的“冷启动”，转变为自主构建、深度定制的“热启动”。这不只是技术上的改变，更是图书馆重新
RAGFlow是一个基于深度文档理解的开源RAG引擎，采用模块化DAG工作流架构，融合传统RAG与GraphRAG技术。其核心包括文档解析、切分、索引与检索机制，以及通过双检索器并行实现向量检索与图检索的互补增强。架构支持多格式文档处理、混合搜索策略、可扩展存储后端，并提供了实体消解、社区检测等高级特性，实现了高质量的知识图谱融合RAG能力。
本文详细阐述了跨行业智能审计 AI 助手的设计，从各行业审计面临的问题出发，介绍了核心概念和理论基础，通过分步实现展示了如何构建该助手，包括数据处理、模型训练、NLP 处理和知识图谱构建等关键步骤。同时，对结果验证、性能优化、常见问题解决及未来扩展方向进行了探讨。通过本文，读者掌握了跨行业智能审计 AI 助手的设计与实现方法，能够针对金融、零售、制造等行业特点构建高效准确的智能审计解决方案，提升审
AI正重塑财务预测，通过机器学习、生成式AI和自动化代理三类技术协同提升效率。机器学习模型分析历史数据生成基线预测，生成式AI加速报告解读，自动化代理确保工作流稳定运行。成功应用需数据质量、系统集成和透明治理三大前提，建议CFO从小范围试点起步，验证价值后逐步扩展。AI虽无法预测极端事件且依赖数据质量，但能释放财务团队精力，使其聚焦战略分析。竞争优势来自技术赋能与人类决策的结合，需同步优化数据基建
指标含义平均延迟 (ms)单条推理从输入到输出的平均时间吞吐量 (qps)每秒处理的推理请求数量Top‑1 精度二分类预测准确率A5数据通过合理选型高性能GPU服务器www.a5idc.com、构建高效推理链路、应用混合精度与 TensorRT 加速、并在 Triton Server 上进行批处理部署，可以极大地提升 AI 驱动金融预测模型在实时交易系统的执行性能。本教程覆盖从硬件配置到端到端部署
使用综合评委分数和粉丝投票来确定垫底的两位选手，然后在直播节目中，评委投票决定淘汰这两位选手中的哪一位。在同一季中，制作人也回到了使用排名的方法，将评委的分数和粉丝的投票结合起来，就像第一季和第二季一样。粉丝投票可能更主观，受舞蹈质量的影响，但也受名人的受欢迎程度和魅力的影响。这将产生一个额外的AI使用报告，您必须将其添加到PDF解决方案文件的末尾，并且不计入您的解决方案的25页总页数限制。在某些
想象一下，在未来，任何人都有可能从赤道到地球轨道进行一次悠闲、风景优美的太空之旅，然后搭乘常规、安全、廉价的火箭飞往月球、火星或更远的地方。每个银河港将包括一个单一的地球港口，两个10万公里长的系绳连接到两个apex锚，多个太空电梯一起运行，每个能够每天将巨大的有效载荷从地球提升到地球同步轨道(GEO)并超越apex锚，在那里它们可以被装载在火箭上，并使用少得多的燃料运送到任何地方。这将产生一个额
如果开放数据集有限，您可以使用已发布的测量值或规格(有适当的引用)，前提是参数有明确的正当理由并经过合理性验证。然而，如果没有明确的连续时间模型，仅基于离散曲线拟合、时间步长回归或黑盒机器学习的项目将无法满足这个问题的要求。注意:对于完整的MCM提交，没有具体要求的最小页面长度。你的任务是开发一个智能手机电池的连续时间数学模型，该模型在实际使用条件下返回充电状态(SOC)作为时间的函数。这将产生一
在当今金融市场中，信息爆炸且瞬息万变，传统的投资决策方式面临着巨大的挑战。投资者需要处理海量的数据，分析复杂的市场动态，做出及时且准确的决策。金融AI智能体投资决策系统应运而生，它结合了人工智能技术和金融领域的专业知识，能够快速处理和分析大量数据，发现潜在的投资机会，降低风险，提高投资回报率。这种系统的出现不仅为专业投资者提供了更强大的决策工具，也为普通投资者提供了更便捷、智能的投资途径，对于推动
文章指出RAG技术在金融AI应用中存在三大局限：概率性不确定性与合规要求的冲突、缺乏客户情景记忆、缺乏数据治理。作者提出认知记忆框架(CMA)作为解决方案，包含情景记忆、语义记忆和程序性记忆三类记忆，使AI具备"受托人"属性，实现从"检索事实"到"履行责任"的跨越，满足金融合规要求。
文章探讨RAG+动态校验技术如何提升AI在临床研究方案撰写中的可靠性。通过将生成锁定在可控证据范围内，引入可追溯引用和动态校验机制，解决了证据链不牢、口径不一致等问题，实现"证据先行"的方案生成，从源头减少错误，降低返工成本，使AI输出更接近可评审、可落地标准。
AI记忆技术已成为大模型下半场竞争的关键，红熊AI突破三大认知误区，提出人脑级记忆模型。传统RAG仅解决"知道"而非"记住"，无法实现动态记忆；AI需具备情感权重处理能力，而非仅追求事实准确；Agent市场注定非标，需在标准化基础上行业定制。记忆熊v0.2.0通过显性/隐性/联想/动态进化记忆四层架构，结合情感加权与多Agent协同能力，为不同场景提供定制化解决方案，开启AI记忆新纪元。
进入你的 VPS 防火墙设置放行18000端口。访问地址为 http://111.222.333.444:18000，即可打开项目。
互联网信息服务深度合成管理规定》第十九条明确规定，具有舆论属性或者社会动员能力的深度合成服务提供者，应当按照《互联网信息服务算法推荐管理规定》履行备案和变更、注销备案手续。大麦、图形起源、智谱华章、美团、快手、百度、抖音、出门问问、淘票票、阿里巴巴、天猫、钉钉、阿里达摩院、拣值了、淘宝、菜鸟物流、科大讯飞、美图科技、动景科技、网易、酷狗、音书、鹏中科技、腾讯、腾讯音乐、闪剪智能等公司的算法均在境内
从开源项目 Clawdbot 到更名后的 Moltbot，这款由个人开发者打造的智能体工具，近期在技术圈掀起了现象级热潮。没有大厂背书、仅凭一人之力开发的产品，却凭借颠覆性的交互体验和实用价值，打破了智能体技术的应用边界，成为个人生产力工具领域的新晋标杆。Moltbot 的走红，核心在于找准了技术落地的两大痛点：极致的性能表现，以及零门槛的本地部署体验。用户只需简单配置，就能通过自然语言指令，让这
宁波银行大模型应用研发部招聘四大方向人才：应用研发、数据工程师、算法和平台研发。各岗位要求本科及以上学历，2年以上相关工作经验，需掌握深度学习、NLP、大数据处理等技术。岗位职责涵盖大模型应用开发、数据处理、算法优化和平台建设等，为金融科技领域AI人才提供职业发展机会。
AI助手重塑软件测试效率新范式 2026年，AI助手已深度融入测试全流程，实现200%效率跃升。核心突破体现在：1）智能用例生成，如文心快码5分钟产出200+单元测试用例；2）需求直转测试脚本，准确率达90%；3）无缝DevOps集成，接口测试效率提升10倍。主流工具如文心快码、ClaudeCode通过SPEC模式和长逻辑推理，将机械任务压缩至分钟级，使测试人员聚焦策略创新。选型需结合场景需求，个
围绕“非侵入式、智能化、实时”三大特性，全知科技推出面向金融行业的数据库审计与监测方案，通过旁路部署、AI分析与实时感知能力，实现对数据库访问行为的全量记录、智能识别与动态预警。方案在不影响业务系统性能的前提下，构建覆盖“采集—分析—处置—审计”的闭环体系，不仅满足监管合规要求，也在实际落地中显著提升了风险发现效率、审计自动化水平与安全运营能力，真正实现数据安全治理从“被动合规”向“主动防御”的升
构建企业级金融数据分析助手：基于 LangChain 的多源数据 RAG 系统实践
“用AI赋能新时代金融以‘智’提‘质’”，9月17日，IDC中国数字金融论坛在京举办，众多行业专家共同探讨金融科技发展趋势。在活动中，百度智能云带来了全新升级的百度金融AI中台解决方案，为更多金融机构快速实现数智化转型提供工具与方法。金融数智化转型大势所趋，百度智能云带来全新升级的解决方案十四五规划中提到，人工智能将成为新一轮科技革命和产业变革的重要驱动力，伴随着数据井喷、算力爆发、模型突破，人工
在平台建设方面，大地保险携手蚂蚁数科打造 AI 中台“灵山界”，该平台集成大模型、数据、算力与开发框架，以“通用大模型+行业小模型”为技术路线，在 AI 底层模型方面接入通义千问、DeepSeek，并支持本地与云端混合部署模式，构建了以感知智能、认知智能和计算智能为核心的 AI 能力体系。同时，招行在2024就开始与通义实验室探讨合作，并与阿里云联合成立了大模型创新实验室，以推动多模态技术、数据双
谈起大模型，很多人倾向于关注最新的基础模型突破或者新场景创新，但我依然会建议大家要溯源大模型的发展脉络。这个世界上并不存在一次性的从0到1的创新，Brain Arthur在《技术的本质》一书中，认为“技术的本质在于其通过组合和建立在现有技术的能力之上，创造出新的能力”。站在今天的时间点，我们知道大模型的突破有三块拼图，算法、算力和数据。其中，1993年黄仁勋创立Nvidia；2006年Geoffr
在当今经济环境下，供应链金融作为一种创新的金融服务模式，旨在解决供应链中企业的资金需求问题。然而，准确评估供应链中企业的信用风险是供应链金融成功实施的关键。传统的信用评分模型往往依赖于有限的财务数据和主观判断，难以全面、准确地反映企业的真实信用状况。本文章的目的在于探讨如何利用AI技术构建更精准、高效的供应链金融信用评分模型。范围涵盖了从模型的核心概念、算法原理到实际应用案例的全流程，为相关从业者
随着金融行业的不断发展，金融专业考试的难度和复杂度也在逐渐增加。考生在备考过程中常常会遇到各种问题，需要及时得到准确的解答。传统的答疑方式，如咨询老师、查阅书籍等，效率较低，且不能满足考生随时随地获取信息的需求。基于大模型的金融专业考试答疑系统旨在利用先进的自然语言处理技术和大模型的强大能力，为考生提供高效、准确的答疑服务。本系统的范围主要涵盖金融专业考试的常见科目，如金融学、投资学、财务管理等。
在金融投资中，“三因子模型”数据散：新闻、社交媒体、财报电话会议、分析师研报……情感数据分布在10+个渠道，人工收集成本极高；理解难：金融文本充满歧义（“公司削减成本”可能是效率提升，也可能是业务收缩）、俚语（“DD”=尽职调查、“YOLO”=孤注一掷），通用情感分析模型常“翻车”；时效短：市场情绪的半衰期可能只有几小时（比如美联储加息的新闻，1小时内就会被消化），人工分析根本赶不上。而金融AI智
摘要：本文介绍6款AI驱动的免费工具，助力软件测试效率提升200%-300%。涵盖测试脚本生成(OpenGPT)、数据管理(ChatExcel)、报告总结(BibiGPT)、文档撰写(文心一言)、专业报告生成(掌桥科研)和用户反馈模拟(创意云)。这些工具可集成形成自动化测试流水线，大幅缩短测试周期，同时需注意人工复核AI输出的准确性。实际案例显示，整合工具链能显著减少手动劳动，提升测试覆盖率和产品
也有银行在实践中发现，对于大量仍依赖legacy系统的机构而言，通过流程自动化平台承载执行能力，再引入智能体进行任务理解与调度，反而更容易在短周期内见效。金智维在保险领域的项目，多集中在这一类高频、长周期运行的业务场景中。整体来看，金融行业的智能体应用正在走向分化：有的厂商擅长搭建统一开发平台，有的在特定业务环节形成优势，也有厂商更强调与既有系统的兼容性与执行稳定性。结合近年来金融行业的应用实践，
文章探讨了RAG技术在金融AI中的局限性，指出其存在概率性不确定性、缺乏客户记忆能力和数据治理缺陷三大问题。为解决这些问题，文章提出了认知记忆框架(CMA)，包含情景、语义和程序性记忆三种类型，使AI从"检索事实"升级为"履行责任"，真正具备金融合规所需的"受托人"属性。
提示：本段将从战略高度概括金融行业数据库审计的价值与成效。在金融数字化转型不断深化的背景下，数据库已成为承载核心业务数据与客户敏感信息的关键基础设施。围绕“非侵入式、智能化、实时”三大特性，全知科技推出面向金融行业的数据库审计与监测方案，通过旁路部署、AI分析与实时感知能力，实现对数据库访问行为的全量记录、智能识别与动态预警。
从捕捉行业趋势到躬身实践，宇信科技以其在出海战略上的生态化布局与在AI技术上的场景化深耕，生动诠释了中国金融科技企业如何凭借硬核实力与软性智慧，赢得全球市场的信任。
规则僵化：依赖人工制定的规则引擎，无法适应市场环境的快速变化（如黑天鹅事件、政策突变）；数据处理局限：难以整合文本（新闻、财报）、数值（行情、财务指标）、图像（K线图、资金流向图）等多模态数据，导致决策信息不完整；自适应能力不足：传统机器学习模型（如SVM、随机森林）需要离线训练，无法实时学习市场新规律，泛化能力差。2024年，金融AI智能体将成为投资决策的核心工具，其核心趋势是LLM+KG知识增
在微服务与 AI Agent 爆发的 2026 年，传统的金融数据接口（FIX/私有 TCP）正面临严峻的工程挑战。本文基于 Postman 2026 行业报告，从架构师视角深度剖析 Stripe、Polygon 等标杆产品的 API 设计哲学（DX），并详解如何通过 OpenAPI (Swagger)、WebSocket 心跳机制及数据分层策略，解决金融行情接入中的“隐形技术债务”。
引言:邢不行的系列帖子“量化小讲堂”，通过实际案例教初学者使用python进行量化投资，了解行业研究方向，希望能对大家有帮助。【历史文章汇总】请点击此处【必读文章】EOS期现套利，一周时间，15%无风险收益10年400倍策略分享（附视频逐行代码讲解）个人微信：xingbx007，有问题欢迎交流。如何安装pandas...
根据无复权收盘价和除权除息数据计算复权因子，进而计算前复权收盘价和后复权收盘价
京东金融推出的“京小贝”多智能体系统，通过意图识别、资产诊断、策略生成等多个垂直智能体协同工作，为用户提供覆盖“投前-投中-投后”全链条的智能投顾服务。以金智维为例，其通过香港和新疆两大支点布局东南亚及中亚市场，将国内成熟的业务理解与工程化经验延伸至海外，并参与了如“中国-东盟咖啡人民币计价结算指数”等跨境金融创新实践，为智能体技术的国际化应用提供了新样本。金智维等企业打造的企业级智能体平台，则为
这是AI驱动自动复核体系的核心环节，核心目标是让AI模型“知道什么是敏感数据、如何识别不同形式的敏感数据”，分为**“敏感数据特征定义、训练数据集构建、AI模型训练/微调、模型精度评估”** 四大子步骤，其中模型本地微调是提升模型适配性与识别精度的关键，也是区别于通用模型与企业专属模型的核心。
本文将不是一篇泛泛而谈的理论文章，而是一次“外科手术式”的深度实战复盘。我将以亲身主导的某大型金融企业（下文统称为“G银行”）的AI数据安全智能体建设项目为蓝本，完整地呈现一个企业级AI安全系统从需求洞察、技术选型、架构设计、核心算法实现、系统集成、部署上线到运营优化的全过程。你将看到我们如何将机器学习、自然语言处理、图计算等AI技术与传统安全数据相结合，构建一个具备“感知-认知-决策-行动”能力
在金融领域，风险如同隐藏在平静海面下的暗礁，时刻威胁着金融机构的稳定运营。从银行的信贷业务，到证券的投资交易，再到保险的承保理赔，风险无处不在。传统的风控手段，就像是依靠经验和简单工具在茫茫大海中探测暗礁，随着金融业务的日益复杂和规模的不断扩大，已经逐渐力不从心。而智能风控，就如同给金融机构配备了一套先进的声呐系统，能够更精准、更高效地识别和应对风险。它借助人工智能（AI）技术强大的数据分析和预测
金融
——金融
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
网易易盾开发者社区
九章云极普惠算力
NVIDIA DRIVE 智能汽车专区
