为了加快数字金融发展,推动金融信创能力提升与生态建设,服务金融机构数字化转型,3月28日,“数金游学”走进杭州银行——金融科技创新论坛(第 19 期)暨第三届数字金融技术创新与应用研讨会成功举办。本次活动由“科创中国”金融科技产业服务团、中国互联网协会数字金融工作委员会、杭州银行股份有限公司联合主办,由中国通信学会(CIC)金融科技与数字经济发展专家委员会提供学术支持。
论坛围绕数字金融发展、城商行核心系统建设、信创生态系统探索、政策扶持、产业融合等话题进行了深度研讨交流。“科创中国”金融科技产业服务团团长、 CIC 金融科技与数字经济发展专家委员会主任、中国人民银行科技司原巡视员杨竑,中国互联网协会数字金融工作委员会主任、中国金融电子化公司原总经理张永福,中国银行业协会首席信息官高峰,CIC 金融科技与数字经济发展专家委员会专家委员、原中信银行信息科技部、数字银行部总经理王燕,杭州银行副行长、首席信息官李炯出席会议。论坛由杭州银行信息科技部总经理胡飞华主持,来自“科创中国”金融科技产业服务团等多个行业组织的近10位专家及逾20家金融机构相关负责人出席会议。
李炯指出,金融科技作为新质生产力的一种形式,是金融高质量发展的关键保证,也是中国特色金融事业建设的重要抓手。2023 年 11 月 18 日,杭州银行成功上线了基于全栈信创的云原生分布式核心系统并良好运行,在中小银行信创工作推进和新质生产力提升方面进行了有益的探索。希望通过本次研讨会搭建一个开放、包容、高效的交流平台,深化各方在关键技术攻关、业务场景融合、风险防控策略等方面的深度合作,共创一个安全可靠、协同高效的金融信创环境。
张永福表示,中央金融工作会议明确指出要加快建设金融强国,做好科技金融、绿色金融、普惠金融、养老金融、数字金融,意味着数字金融工作将迎来新的战略发展机遇期。杭州银行大胆创新,通过大量实践率先探索并成功上线云原生、分布式、全栈国产化的新一代核心系统,为新型数字化基础设施建设积累了宝贵经验。希望与会同仁建言献策,在技术研发、场景应用、政策扶持、产业融合、信创生态系统建设等方面总结经验,为众多金融同业也将为采用全栈国产化分布式架构建设新一代核心系统的潜在客户提供借鉴和参考。
李炯在《杭州银行信创实践及经验分享》的主题演讲中深入阐述了信创工作的重要性。他指出信创不仅仅是一个技术项目,而是需要与国家的“十四五”规划以及银行自身的数字化转型战略紧密结合的系统工程。杭州银行在推进信创建设过程中采取了循序渐进的策略,逐步从外围系统深入到核心业务。在数据库选型上,杭州银行坚持独立和中立的原则,选择了界限明确且透明解耦的通用分布式数据库,以确保技术的灵活性和未来的可扩展性。李炯还特别提到,金融机构应当加强自主能力建设,尤其是人才梯队的培养。
中电金信研究院副院长陈书华分享了《银行全栈信创云原生技术架构实践》。陈书华回顾了虚拟化、云计算、云原生架构的发展历程,中国电子“源启”底座的实现逻辑。杭州银行新一代核心业务系统的成功运行,实践验证了中国电子“源启”底座支撑分布式核心业务系统建设和投产运行的能力。
杭州银行信息技术部副总经理刘峥做了《银行核心系统全栈信创基础架构》的实践分享。刘峥从建设思路、项目历程、基础架构和应用实践四个维度介绍了杭州银行新一代核心系统的建设经验。在基础架构方面,他详细介绍了容器云平台、数据库和基础设施层的构建,强调了双中心分布式数据库解决方案的创新性及在线扩容和故障恢复的能力。刘峥还分享了杭州银行在混沌工程、智能运维平台等领域的探索实践。
平凯星辰联合创始人兼 CTO 黄东旭分享了《TiDB 助力金融行业关键业务系统实践》。他表示,银行业务的多样化和竞争加剧要求 IT 支持快速上线以应对不确定性,分布式架构是金融机构尤其是中小银行需要拥抱的技术路线。黄东旭还对原生分布式数据库与依赖分片键的数据库技术进行了对比分析,强调了对应用透明性的重要性。他通过金融行业案例分享,展示了 TiDB 分布式数据库在满足金融行业对数据库极致要求和工程化落地方面具备的实力。
王燕对杭州银行在数字化转型和信创实践方面的成就给予了高度评价。她指出,杭州银行之所以能够取得显著成绩,主要归功于其顶层设计的精准指导和周密规划,以及科技与业务战略之间的深度融合。她进一步强调,在金融机构推进数智化转型的进程中,须坚持技术服务于业务的战略,以问题为导向,结合各自的实际情况选择并采纳最适宜的技术发展路线。
活动现场气氛热烈,在互动讨论环节,与会代表就银行信创实践、核心系统重构、金融科技创新以及应用等议题进行了深入的交流和探讨。
在总结发言中,杨竑指出,杭州银行在数字化转型过程中,走出了一条符合杭州银行发展战略的成功之路,特别是在采用云原生、分布式、全栈式国产化核心业务系统方面所取得的成绩,为业界同类机构提供了宝贵的实践经验。
本次活动成功构建了一个促进数字金融行业各参与方沟通与协作的桥梁,为中小型银行的数字化转型注入了科技创新与智慧支持,有力推动了数字金融产业生态的协同。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。