在智能金融时代浪潮下，以技术为驱动力的度小满坚持将科技与金融相结合，致力于通过以人工智能为代表的新技术为金融行业赋能。近期，度小满数据智能应用部AI-Lab的两篇论文对多模态和预训练排序提出新颖算法，并入选了国际顶级会议。

据了解，度小满数据智能应用部AI-Lab的两篇论文分别入选ACM MM和CIKM国际顶级会议。两篇论文分别就多模态和预训练排序等多个热门话题提出了新颖的算法，并在相关任务上达到了国际顶尖水平，获得了审稿人的一致好评并最终录用。这标志着度小满在自然语言处理和计算机视觉等人工智能前沿领域的研究得到了国际同行的认可。

ACM MM是计算机科学领域中多媒体领域的顶级国际会议，涵盖了多个媒体领域的前沿研究与进展，包括图像，文字，音频，传感器等，被中国计算机学会(CCF)列为A类会议。度小满论文中具有实体对齐网格的位置增强Transformer被ACM MM录用。

在该论文中，度小满的科研人员提出了具有实体对齐网格的位置增强Transformer。与之前的模型相比，度小满的科研人员在不需要复杂规则的情况下，显式地引入了目标检测和OCR识别的视觉实体的连续相对位置信息。同时度小满的科研人员根据物体与OCR实体映射关系，用直观的实体对齐网格代替复杂的图形结构。在该网格中，不同位置的离散实体和图像的区块信息可以充分交互。

该模型能够整合目标检测、OCR以及基于Transformer的文本表示等多种方法的优势，增强算法对于图像中场景信息的理解，更精准的融合图像与文本多模态的信息，进一步助力证件识别、人脸与活体检测等业务场景，提升度小满在视觉风控方面的技术能力。

CIKM是由ACM主办的信息检索和数据挖掘等领域的国际顶级会议，由国际计算机学会ACM SIGIR分会主办。CIKM成功汇聚了一批相关领域的优秀研究人员，交流信息与知识管理研究、数据和知识库等方面的最新发展，在相关领域享有非常高的学术声誉。度小满论文中基于BERT的动态多粒度排序模型被CIKM录用。

据悉，该模型有效地提升了长文本理解与排序任务的性能，特别是其中所用到的预训练语言模型已经成为度小满在自然语言处理方面的基础架构，在获客、信贷等业务场景被广泛地使用，为业务模型提供了更加丰富的文本表示和精准的文本特征，在保障业务稳健发展中起到了十分重要的作用。

未来，创新技术如何与金融产业更好的融合，依然是金融服务行业的重点研究课题。度小满在科技创新上取得的研究成果无疑是值得肯定的，而这也是所有金融科技企业应有的发展态度。