国内会计师事务所首例
消除不必要的“数据偏差”
AI自主完成解决

三일PwC自主开发的面向专业领域的特化人工智能(AI)表达学习技术,已在自然语言处理(NLP)领域最具权威的国际学术会议上被接收为论文。


三일PwC于28日表示,其论文《REZE: Representation Regularization for Domain-adaptive Text Embedding Pre-finetuning》已被“ACL 2026”主会议接收。国内会计师事务所在ACL主会议上发表论文尚属首次。论文作者为三일PwC AX Node Gen AI团队的研究人员。

三일PwC AI技术论文获全球顶级NLP学会接收 View original image

在同时学习不同性质的数据时,AI性能可能下降,或在特定任务上产生偏向,这被称为“任务冲突及任务诱发偏差”问题。AX Node Gen AI团队开发的“REZE”为解决这一局限,设计出一种算法,使AI在学习过程中,能够通过表达正则化(Representation Regularization)方法,自主控制和抑制不必要的噪声与偏差,从而避免数据之间的相互干扰,帮助AI只选择性地学习核心领域知识。



三일PwC AX Node负责人(副代表)Lee Seunghwan表示:“此次被ACL 2026主会议接收,并非一次性的研究成果,而是我们持续积累相关研究、让AI能够更深入理解超高专业度数据的结晶。”他还表示:“今后三일PwC也将以获得全球认可的核心技术为基础,为处理会计、税务、金融、法律等高度专业知识的AI服务树立新的标准。”


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点