富国银行(Wells Fargo)高级副总裁、企业架构负责人Mike Telang认为,尽管银行的业务在过去几十年基本没有什么变化,但银行的运营方式却发生了巨大变化。目前Telang的工作重点是安全、监管和创新。
在谈及金融服务行业的技术趋势时,Telang表示,这对给银行带来的影响很大程度上取决于该银行在成熟生命周期中所处的位置。
上周他在旧金山举行VMworld 2019大会一个圆桌对话环节中表示:“我认为这取决于银行当时在成熟度生命周期中所处的位置。目前,企业面对着很多发展趋势,比如区块链和安全,所以我们将这些技术用于最适合我们的用例中。”
在谈及新兴技术时,Telang介绍了富国银行在采用机器学习(ML)和人工智能(AI)过程中所面临的挑战。
“机器学习或者人工智能,我认为经典的用例就是欺诈和[反洗钱]这样类似的场景,这是银行全面采用这些技术的场景之一,但同时也会带来一系列问题,”他解释道。
“我认为现在几乎所有大型银行都被机关机构要求审查他们采用的任何机器学习/人工智能解决方案,这么做的目的是,如果使用了错误的算法,就会给客户带来影响。”
“对于一家银行来说,这是一把双刃剑,你不能全部投入进去,不能把所有用例都运用上,尤其是那些对客户有影响的用例。”
另外一项包括富国银行在内的很多银行都已经涉足、但尚未找到能够改善现有应用(如数据库)用例的新兴技术就是:区块链。
“我认为大型企业研究区块链已经有一段时间了,他们会说,这是针对问题寻找解决方案,而且大家都有一种想法,那就是当突然出现问题的时候,都不想落于人后。所以很多银行都在涉足区块链,一个主要用途就是用于支付以及监管链等,但我要说的是,我们到目前为止还没有找到具有变革性的用例。”
在谈到富国银行的云战略时Telang表示,有一个趋势是那就是使用多云方法发挥不同云提供商的各种功能。
他解释说:“你会选择那些能体现差异化的提供商,并且它们能够成为你战略的一部分,这样才能敏捷地将工作负载从一个提供商转移到另一个提供商。”
“当我们想到工作负载的时候,通常会想到应用,但对于我们来说,价值在于能够将数据从一个地方迁移到另一个地方而不会出现数据丢失的情况。所以我们的云策略就是,当我们想到多云的时候,真的是试图化繁为简,说‘我们的SaaS战略是什么,我们的PaaS战略是什么,我们的IaaS战略是什么’——从中我们能看到大数据流向哪里,然后我们就顺着这个方向去做。”
谈到数字化转型,Telang认为这归根结底是要理解企业组织内部文化的需要。他说,在富国银行内部有许多不同的业务线,每个业务线都有他们自己的方法和自己的客户。
“我们必须认识到的事实是,他们都是不同的客户,所以我们面临的挑战是如何构建,如何在这些业务中找到共同点来分享最基本的那些东西,以及这些业务的独特之处是什么。”
“以前他们拥有整个堆栈,他们可以购买数据中心,他们可以购买服务器,这就是为什么我们拥有我们想要拥有的东西——我认为我们的指导原则就是,将差异化因素体现在客户体验和数据方面。而其他的都不需要。”
Telang表示,富国银行明确了一点,那就是其他包括软件在内的一切都是可以商品化的。
“例如像开设账户这样的基本功能,我们现在有大约300种开设账户的方式,很多应用开发人员就是围绕他们支持和他们引入的应用构建的。如果以前你没有注意到这一点的话,现在你肯定注意到了。我支持这个应用,现在你试着告诉他们你要打破这种现状把这个应用商品化,这可是个改变文化的巨大挑战。”
在谈到颠覆的时候Telang认为,让银行顺应其他许多行业发生的趋势只是个时间问题。
“很多公司通过收购或者重塑生存下来,我认为银行也必须这么做,而且这只是个时间问题。”
“你要么适应它,要么就是像有些银行那样,投入大量资金在金融科技上,看看可以收购哪些公司,可以与哪些公司合作——所以未来值得关注,但是我认为这是银行不能再忽视的问题了。”
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。