奇富科技全球首個(gè)基于多模態(tài)大語(yǔ)言模型的TRIDENT框架登頂IJCAI2025會(huì)議

5月7日消息,近日,奇富科技聯(lián)合北京交通大學(xué)發(fā)表的論文LeveragingMLLMEmbeddingsandAttributeSmoothingforCompositionalZero-ShotLearning,憑借大語(yǔ)言模型與零樣本學(xué)習(xí)的顛覆性創(chuàng)新,從5404篇論文中殺出重圍,強(qiáng)勢(shì)登頂人工智能“奧林匹克"IJCAI2025會(huì)議。

據(jù)介紹,這是全球首個(gè)將多模態(tài)大語(yǔ)言模型(MLLM)深度應(yīng)用于組合零樣本學(xué)習(xí)的技術(shù)突破,有望推動(dòng)我國(guó)在AI基礎(chǔ)技術(shù)與產(chǎn)業(yè)應(yīng)用深度融合方面占據(jù)先發(fā)優(yōu)勢(shì)。

IJCAI(即國(guó)際人工智能聯(lián)合會(huì)議,InternationalJointConferenceonArtificialIntelligence)是人工智能領(lǐng)域最主要的國(guó)際學(xué)術(shù)會(huì)議之一。IJCAI是中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)推薦的A類(lèi)國(guó)際學(xué)術(shù)會(huì)議,也是人工智能領(lǐng)域歷史最悠久的頂級(jí)學(xué)術(shù)會(huì)議之一,迄今已舉辦了34屆。本屆論文通過(guò)率為19.3%,相當(dāng)于每5篇投稿就有4篇被拒之門(mén)外。

在IJCAI嚴(yán)苛篩選下,奇富科技的多模態(tài)大語(yǔ)言模型零樣本學(xué)習(xí)研究成果亮眼。其提出的TRIDENT創(chuàng)新框架,通過(guò)特征自適應(yīng)聚合、MLLM嵌入及屬性平滑等技術(shù),有效攻克組合零樣本學(xué)習(xí)中的背景干擾、語(yǔ)義捕捉等難題,性能達(dá)當(dāng)前最優(yōu)水平。該成果在金融科技領(lǐng)域極具應(yīng)用價(jià)值,既能基于多模態(tài)數(shù)據(jù)分析精準(zhǔn)識(shí)別智能風(fēng)控中的新型風(fēng)險(xiǎn)組合,提升風(fēng)險(xiǎn)評(píng)估效率,又能在智能客服場(chǎng)景下快速理解用戶(hù)復(fù)雜語(yǔ)義,優(yōu)化金融服務(wù)體驗(yàn)。

奇富科技首席算法科學(xué)家費(fèi)浩峻表示:此次成果是奇富科技科研實(shí)力的有力彰顯,契合公司深耕金融科技、推動(dòng)創(chuàng)新應(yīng)用的戰(zhàn)略布局。論文中的創(chuàng)新技術(shù),將助力公司在智能風(fēng)控、智能客服等場(chǎng)景,精準(zhǔn)洞察用戶(hù)需求,實(shí)現(xiàn)更人性化、高效的金融服務(wù)。

(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 )

贊助商
2025-05-07
奇富科技全球首個(gè)基于多模態(tài)大語(yǔ)言模型的TRIDENT框架登頂IJCAI2025會(huì)議
近日,奇富科技聯(lián)合北京交通大學(xué)發(fā)表的論文Leveraging MLLM Embeddings and Attribute Smoothing for Compo

長(zhǎng)按掃碼 閱讀全文