日前,中国银行山东分行将零售贷款贷后管理系统迁移到了浪潮天梭K1关键应用主机上,迁移过程1次成功,同时系统整体性能提升3倍以上,为山东分行发展中小企业零售贷款业务提供了坚实的技术支撑。
中国银行是四大国有股份制商业银行之一,为了应对挑战,近年来一直不断创新业务,将更多的资源投入中小企业用户,获取新的增长空间。早在2014年,针对中小企业的"信贷工厂"授信余额就超过3000亿元,2017年,中国银行又推出了"跨境撮合+信贷工厂+投贷联动"三位一体的中小企业服务模式,帮助中小企业跨境成长。
风险管控是难点,数据处理是问题关键?
针对中小企业的贷款是风险敞口最大的信贷业务之一,这是银行界的普遍共识,银行要服务好中小企业用户需要更好的风险控制措施和手段。随着现代信息技术的发展,银行获取数据的成本变小,数据收集的维度和广度得到了前所未有的扩展,基于这些数据,银行可对客户的交易信息和行为轨迹进行实时监测。因而,现代意义的风险管控更多的依靠信息记录和数据处理来完成。
中国银行山东分行的零售贷款贷后管理系统是专门针对中小规模用户的售后管理业务系统,该系统记录着贷款企业的信息资料、财务报表、产品经营、市场情况、股东变化、重大人员调整和事项等项目资料和后期跟进信息,对这些数据进行挖掘处理,就可以获得及时的风险提示,对客户按照风险进行分类,采取不同的应对措施。
中行山东分行零售贷款贷后管理系统系统也支撑正常的查询、客户资料的增删改,但是该系统最大的处理量是批处理,每日都需要对客户数据进行深度处理,生成各类报表,例如到期催缴客户名单、优质客户名单等。此前该系统一直运行在国外服务器上,设备服役多年,性能已经严重落后于实际业务需求,批处理总耗时在20-21个小时之间,也就是说,这个系统几乎24小时都在进行批处理作业,基本无法支持正常的在线处理,严重影响了中国银行山东分行中小型企业业务的发展。
迁移挑战,浪潮K1如何平稳应对?
浪潮与中行山东分行的技术部门和业务部门进行了深入的交流,中行山东分行希望将零售贷款贷后管理系统迁移到浪潮方案平台上,并且提出了三点要求,首先性能要有明显的提升,满足批处理业务需求,并且系统在迁移以后终端用户体验上要有明显的改善,例如后台的ETL程序能够处理的更快,文件的导入导出时间窗口更快等,其次,迁移后不影响用户的使用体验,从WEB访问方式和操作习惯上希望能保持一致,最后,要保证平稳迁移,并形成一套成熟的迁移方法,为之后在中行内部更大规模的采用浪潮服务器起到指导和规范作用。
针对中行山东分行的要求,浪潮为其提供的迁移平台是关键应用主机天梭K1,并且制定了详细的迁移方案。整个过程经历了评估、计划、验证、测试和实施上线5个步骤,前后历时数月,并进行了多次演练,保障整个迁移过程平稳,一次实施成功,系统从国外服务器迁移到了天梭K1平台上。
性能,3倍提升
迁移完成后,工程师对新旧两套系统进行了实际应用测试,旧系统整体批处理运行时间为20小时49分钟,新系统运行时间为5小时4分钟,缩短15个小时45分钟,加载数据文本及备份历史数据旧系统运行时间为5小时4分钟,新系统运行时间为48分钟,缩短4小时12分钟,生成.xls报表文件旧系统运行时间为18小时42分钟,新系统运行时间为4小时15分钟,缩短14小时25分钟,将各项测试性能提升情况综合,可以得出整个系统性能提升至少在3倍以上。
新旧系统各处理阶段用时比对
系统迁移完成后,该系统利用晚间业务低谷时间就可以完成各类批处理操作,而在正常工作时间就可以支持银行内部的在线操作,而且内部员工普遍反映,零售贷款贷后管理系统不仅访问规则和操作规则和原来的十分一致,而且响应速度有了明显提高。
同时,K1平台在做上述批处理操作时一直保持轻载状态,为下一步的业务增长留下了足够的扩展空间。
由内而外的变革需要上升的服务,降低的成本
传统银行正在进行整体性业务变革,实施业务流程再造,经营理念从"以自我为中心"向"以客户为中心"升级转变。信息技术可帮助银行从根本上重新构成和设计业务流程,重组建立有利于客户价值创造的营运流程,实现在业务成本、服务质量、反映速度等方面的突破。显然,中国银行科技工作在推动全局变革的同时,自身也在变革,突破技术和供应商的限制,越来越开放,越来越高效和灵活。根据中国银行的整体部署,除山东分行外,河南分行的流动性风险管理系统也应用了K1平台。采用天梭K1主机不仅可以提高国产化程度,也可以降低对进口设备的依赖,提高信息化工作的自由度,并且降低整体成本,这项工作对于中国银行的信息化建设有着积极意义。
渗透行业市场,浪潮K1下一步是什么?
浪潮已经构建了十分完善的主机生态,天梭K1、天梭M13系列关键应用主机与国内外主流外围设备、数据库、中间件、应用软件等具有良好、广泛的兼容性,可以满足客户的各类关键应用场景需求,具备了向行业市场渗透的技术和产业基础。
近年来,浪潮天梭系列主机在金融、交通、社保、财税、公安、政府等重点行业都有了不同类型的成功应用。IDC数据显示,2017年上半年浪潮K1在高端Non-X86市场份额达到了17.8%。K1在中国银行的成功应用对整个银行业都具有很好的示范意义,随着天梭K1在中国银行的应用规模不断扩大,该产品在在银行业的份额还将进一步提升,从而拉动整个市场份额的提高。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。