8月15日,微眾銀行App正式上線,相信有不少人和小編一樣對這款號稱“第一家網(wǎng)上銀行”的產(chǎn)品感到好奇,所以小編下載了這款產(chǎn)品進(jìn)行了體驗(yàn),而使用下來小編最大的感覺還是功能太少了。
從打開這款A(yù)pp的第一感觀來看,整個(gè)界面的設(shè)計(jì)還是相當(dāng)簡潔清新的,說實(shí)話這種設(shè)計(jì)十分對小編的胃口。
打開微眾銀行App之后我們首先要做的就是登陸,而微眾銀行的登錄方式有兩種,分別是“微信登錄”和“QQ登錄”。登陸之后用戶就需要進(jìn)行開戶,這是一個(gè)實(shí)名認(rèn)證和綁卡的過程。這一系列的操作基本與微信支付或者支付寶的實(shí)名認(rèn)證、綁卡沒什么區(qū)別,只是在完成后用戶會獲得一個(gè)19位的微眾卡卡號。
而當(dāng)開戶完成后,我們可以看到目前上線的功能界面,這些界面的設(shè)計(jì)同樣很簡潔,而且操作起來也比較簡單。
而提到綁卡,我們就可以體驗(yàn)到一個(gè)在微眾銀行App上為數(shù)不多讓人感到新奇的功能——人臉及語音識別。在開戶時(shí)你會綁定自己的一張銀行卡,而當(dāng)你需要在綁定第二張銀行卡時(shí),你就需要通過人臉驗(yàn)證進(jìn)行添加了。
驗(yàn)證是不僅要鏡頭對準(zhǔn)人臉,同時(shí)還要朗讀出屏幕上所出現(xiàn)的數(shù)字。不過通過測試,人臉驗(yàn)證的過程還是很容易失敗的,小編也是經(jīng)過了多次嘗試,才成功通過驗(yàn)證,所以用戶在體驗(yàn)人臉驗(yàn)證時(shí),還需要有一點(diǎn)耐心。
就目前使用來看,微眾銀行App僅有存款和理財(cái)功能,而轉(zhuǎn)賬功能也僅支持在自己名下進(jìn)行,無法給他人轉(zhuǎn)賬。
在理財(cái)方面,目前微眾銀行只推出了三類產(chǎn)品,分別是“活期+”、“定期+”以及股票基金,而這些產(chǎn)品也確實(shí)并沒有多大的亮點(diǎn)。
通過使用總結(jié)起來,微眾銀行App雖然叫做銀行,但卻稱不上是真正的銀行,銀行的基礎(chǔ)業(yè)務(wù)就是“存、貸、匯”,而目前看來微眾銀行除了有一些存款的業(yè)務(wù)之外,就僅剩理財(cái)了,而這只能將微眾銀行變成了另外一個(gè)余額寶。
而且,雖然微眾銀行App加入了人臉識別這一科技感十足的功能,但由于遠(yuǎn)程開戶功能并沒有開放,因此這一技術(shù)也僅僅應(yīng)用于綁定銀行卡之上,顯得有些大材小用。
所以,雖然微眾銀行App在界面及操作體驗(yàn)上的設(shè)計(jì)都比較不錯(cuò),但由于功能上的不完整,也并不能讓用戶得到真正的銀行體驗(yàn)。因此接下來,豐富微眾銀行中的各種功能,才是其最亟需解決的問題。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。