本报讯 （记者冯雨瑶）6月6日，国内首个公开发布的消费金融行业发展状况指数——2025中国消费金 融指数（ChinaConsumerFinanceIndex，以下简称"CCFI"）在重庆召开的"2025年消费金融生态大会"上正 式发布。 CCFI是国内消费金融领域首个公开发布的综合评价指数。本次指数报告以重庆为案例，深度梳理总结 重庆消费金融发展实践经验，率先为地方消费金融发展提供了可供参考借鉴的"重庆标准"。 当前，我国消费金融供给主体主要包括银行类机构，消费金融公司、汽车金融公司等非银类机构，以及 网络小贷等地方金融组织，有影响力的消费金融机构集聚和发展对于推动消费金融服务供给和行业高质 量发展起到关键支撑作用。 四是消费金融产业发展稳居全国领先水平。截至2024年底，重庆设有国家金融科技认证中心、中西部首 个金融法院—成渝金融法院。重庆还成立了全国首个跨区域社会组织"成渝银行业保险业消费者权益保 护中心（重庆）"，全国首个打击金融领域黑产联盟（AIF）等。此外，重庆打造的"渝金通""渝金盾"金 融大脑为全行业数字金融场景应用深化提供了底层金融基础设施支持。 在培育国际消费中心和打造西部金融中心的"双中心 ...

这是一个陷阱：如果在设计知识图谱解决方案时不考虑性能，那么当数据增长时，查询响应可能会很 慢。缓存和精细建模（例如，添加冗余关系以避免查询时出现长链）可以缓解这个问题，但代价是复杂 性增加。另一个方面是 更新可扩展性 ——在大型知识图谱中添加或更改数据，尤其是在启用推理的情 况下，如果触发重新计算推理或重新索引，则成本可能很高。像 Neo4j 或 JanusGraph 这样的针对快速 写入进行了优化的系统，可能比重新计算蕴涵关系的大型 RDF 存储更好地处理流数据。为了解决这个 问题，一些架构将每晚更新的"分析知识图谱"与实时图谱分开，以实现快速交互。但这管理起来很复 杂。 数据质量与一致性：知识图谱的实用性取决于其数据的质量。然而，确保质量可能非常困难，因为知识 图谱通常聚合来自多个来源，且可靠性参差不齐。 不一致 和 错误 可能会悄然出现——例如，知识图谱 中可能包含来自不同来源的同一人的两个出生日期，或者包含相互矛盾的陈述。与具有严格约束的结构 化数据库不同，知识图谱倾向于允许存在相互矛盾的数据，除非明确加以约束，即使明确约束，检测和 解决冲突也极具挑战性。构建知识图谱的过程通常涉及自动提取（通过自然语 ...

知识图谱融入 AI 解决方案后，将带来诸多优势。这些优势涵盖 互操作性、查询功能等 技术改进以及 可解释性、可信度、减少开发工作量等 更高层次的关注点。本文概述了知识图谱的主要优势，以及它 如何补充机器学习模型，助力打造更 值得信赖的 AI 。 数据互操作性和集成：知识图谱 (KG) 的优势在于通过提供通用语义层来统一来自不同来源的数据。使 用共享标识符和本体，知识图谱可以连接以前孤立的数据——例如，将 CRM 中的客户资料与其在财务 系统中的交易以及其在服务台的支持工单关联起来。互操作性源于遵循标准（例如 RDF、schema.org 或领域本体）并使用全局标识符（例如 RDF 中的 URL 或 IRI），从而使不同的数据集"使用同一种语 言"。这意味着，只要创建到本体的映射，就可以以相对较低的摩擦将新的数据源插入到知识图谱中。 其好处是，组织可以 全面查询所有数据 ，而无需手动关联数据库之间的 ID。它有助于对核心业务实体 （客户、产品等）进行 全方位的了解 。由于许多知识图谱使用 Web 标准，集成甚至延伸到组织外部 ——链接到 Wikidata 等外部知识图谱以获取更多上下文，或通过共享词汇表链接到合 ...

知识图谱 (KG) 是由现实世界实体（节点）及其相互关系（边）组成的结构化网络，以机器可读的形式 对知识进行编码。在人工智能领域，知识图谱是语义理解、推理和数据集成的强大工具。它们为人工智 能系统提供上下文，通过链接不同的数据源并揭示隐藏的关系，实现更易于解释、更准确的决策。 知识图谱的概念最初由谷歌 2012 年的知识图谱推广，实际上建立在语义网络和本体领域数十年的研究 基础之上，最早可追溯到 20 世纪 60 年代。如今，知识图谱已广泛应用于各行各业，从支持搜索引擎和 语音助手，到推动科学研究和企业分析的发展。未来的创新将致力于实现知识图谱构建的自动化，增强 推理能力，并将知识图谱与人工智能模型紧密结合，从而构建更值得信赖、更具情境感知能力和更智能 的系统。 定义和结构 知识图谱是一种将知识表示为一组实体（节点）及其之间关系（边）的网络。每个节点通常对应于由唯 一 ID 或 URI 标识的现实世界概念或对象（例如，人物、地点或物品）；每条边表示连接两个实体（例 如， Person worksFor Company ）的特定关系或谓词。属性 (Attribute) 可以注释节点和边以捕获其他详 细信息（例如 ...

刘其峰：该协议适用于多个典型行业场景，能够有效促进跨领域知识共享与协作。在金融领域，银行、 保险等机构可利用该协议实现客户信息、交易数据等知识的高效共享，从而提升风险评估、欺诈检测等 业务的精准性。 医疗健康领域同样受益，医院、研究机构通过协议共享患者信息、研究成果，能够加速新药研发和疾病 诊断进程。对于智能制造行业，该协议帮助制造企业实现设备数据、生产流程知识的互联互通，进而优 化生产调度、提高设备利用率。 在公共安全领域，该协议的应用尤为重要。不同部门或组织可通过协议建立统一的知识图谱，规范知识 交换规则，实现公共安全事件、风险评估、应急响应计划等关键信息的高效共享。比如，在应对自然灾 害时，消防、应急管理和医疗部门可基于协议实时更新灾情、救援资源和医疗设施信息，确保各部门快 速协同响应，大幅提升救援效率。 通过标准化知识交换机制，该协议为各行业提供了安全、高效的数据协作解决方案，推动跨领域智能化 发展。 3、记者：在知识交换过程中，如何确保数据隐私和安全？《协议》是否包含对敏感信息的保护机制？ 新华财经乌鲁木齐5月27日电（记者郝玉）由全国信息技术标准化技术委员会人工智能分会牵头制定的 《人工智能知识图 ...

4月30日，特斯联向港交所递交更新版招股书，首次披露全新升级的三大战略板块：AIoT领域模型、 AIoT基础设施、AIoT智能体，聚焦空间智能。 去年早些时候，特斯联曾在一次媒体采访中透露过战略的转型升级——大模型浪潮驱动下，科技企业在 GPU裸机上层搭建框架普遍需要额外投入，传统的软件公司不具备硬件适配能力，硬件厂商缺失AI能 力，而以AIoT起家的特斯联则天然具备软硬结合的基因，这使贯通顶层模型、应用，及底层基础设施 的业务纵深向延展成为特斯联独特的优势。 AIoT智能体，则作为特斯联空间智能解决方案的统筹交互界面，以机器人与智能穿戴设备为核心载 体，作用于企业级用户级终端消费者。 2024年底，特斯联创始人兼CEO艾渝曾在Web Summit Lisbon分享了通用智能体所需具备的四重能力 ——"类人"思考，长期记忆，"团队"协作，及高维感知。据特斯联首席科学家、特斯联国际总裁邵岭博 士透露，公司即将推出的智能体模型亦延循此路径。 在类人思考方向，该模型开创性地引入端到端强化学习（Reinforcement Learning）方法，使用高质量数 据微调训练出HALI基础模型，通过奖励函数（reward ...

转自InFOQ 作者｜ Sebastian 编译｜傅宇琪 策划｜冬梅 早在 2002 年，Rod Johnson 就提出了对 Java 企业级开发的批判性看法，并推出了一种更加简洁、 灵活的替代方案——Spring 框架。20 多年后，这位从事编程 30 多年的元老级码农又燃起了对 Kotlin 的兴趣。那么，是什么让他弃 Java 转向 Spring？他又是如何看待 Kotlin 的未来的呢？ 最近，Rod Johnson 在播客节目中，与主持人 Sebastian 和 Márton 详细回忆了 Spring 诞生故事， 并分享了他最近重返 JVM 的历程，以及作为 Kotlin 新手的种种乐趣。基于该播客视频，InfoQ 进行 了部分增删。 核心观点如下： Spring 的诞生 Márton：Spring 是如何诞生的？ Rod： 我认为，许多成功的软件往往都源自于开发者曾经亲身经历过痛苦。因此，Spring 之所以能 够成功，其中一个原因是，最初参与 Spring 开发的许多开发者，很多是从企业应用开发领域走出来 的。 Spring 的诞生可以说有些特殊。许多核心理念，比如后来被称为"依赖注入"，我是在 ...

针对金融风险防范痛点问题，中国银联联手产业各方取得多项关键技术突破。一是研发超大规模图谱网 络构建和检索方法，率先构建十亿节点百亿边的金融交易图谱网络，实现大规模时序金融图谱的毫秒级 响应查询。二是首次提出基于加盐哈希的匿踪查询安全方案，设计非对称加密高性能匿踪查询技术，在 不暴露用户查询内容及身份标识的前提下，实现对大规模数据的高效检索，构筑跨域多方安全数据高效 开放共享机制。三是创新设计数据与知识混合驱动的金融欺诈违规侦测技术，有效解决小样本、不均衡 样本场景的异常欺诈侦测难题，构筑新型欺诈侦测模型基石。 未来，中国银联将持续深化技术迭代，联合产业各方，支撑实现数据共融、模型共建和产品共研，推动 成果服务化、服务产品化以及产品标准化，助力新一代金融行业支付风险防控基础设施建设，书写金融 五篇大文章中"科技金融"的新篇章，为保障国家金融安全、服务实体经济发展提供重要支撑。 构建新型金融支付风险防控能力 免责声明：本文观点仅代表作者本人，供参考、交流，不构成任何建议。 围绕行业实际业务需求，中国银联携手产业伙伴，多措并举构建新型金融支付风险防控能力。一是建成 金融欺诈违规智能侦测平台，构建形成百亿级规模的超大 ...

【同仁堂 2025 年一季度业绩稳健增长】 同仁堂 2025 年第一季度报告显示，实现营业收入 52.76 亿元， 归属于上市公司股东的净利润 5.82 亿元，经营活动产生的现金流量净额 8.33 亿元，较上年同期增加 10.84 亿元。 一季度，同仁堂通过推出新品、营销改革等方式，在复杂市场环境中保持经营业绩增长， 为未来发展奠定基础。 OTC 行业承压下，同仁堂实现营收、业绩增长不易。研报预计 2025 年医药工业 营收有望双位数增长，公司毛利率压力有望改善。 2025 年一季度中药行业上市公司业绩分化，同仁堂 有效采取措施，实现营业收入和净利润同比增长，经营韧性强。 同仁堂优化原料采购节奏，库存结构 合理，采购支出平稳，现金流量净额同比增长。 作为老字号企业，同仁堂积累丰富经验，能合理把握 库存，储备濒危等中药材，消减价格上涨影响。 今年 3 月，同仁堂推出两款新品规产品，优化产品线 布局，增强市场。 同仁堂一季度"开门红"得益于生产供应体系高效统筹与市场营销策略精准实施。 2025 年以来，同仁堂加强统筹协调，调整排产计划，保障供应。大兴生产基地智能生产线投入使用， 提升生产效率。 在精准营销方面，积 ...

医疗大模型知识覆盖度首次被精准量化！ 在医疗领域，大语言模型（LLM）的潜力令人振奋，但其知识储备是否足够可靠？腾讯优图实验室天衍研究中心的最新研究给出了答案。 他们提出的 MedKGEval框架 ，首次通过医疗知识图谱（KG）的多层级评估，系统揭示了GPT-4o等主流模型的医学知识覆盖度。 该研究已被WWW 2025会议Web4Good Track录用为口头报告（oral）。目前，WWW 2025正在悉尼举行，会议时间从4月28日持续至5月2 日。 MedKGEval团队 投稿 量子位 | 公众号 QbitAI 背景 大语言模型（LLM）在医疗领域的快速发展凸显了其知识存储与处理的潜力，但其临床部署前的可靠性验证亟需更系统化的评估框架。 当前主流的Prompt-CBLUE、Medbench和MedJourney等评估体系虽通过医学问答基准测试LLM的任务执行能力，却存在三个明显的局限： 1）其长尾数据分布导致罕见病症覆盖不足，评测结果存在偏差； 2）任务导向的设计聚焦疾病预测、用药咨询等单一场景，难以量化模型内在医学知识储量； 3）传统问答形式局限于表面对错判断，无法捕捉医学概念间的复杂拓扑关联。 为解决这 ...