一周热榜

在HN社区中，一个流行的观点是，发明问题以便用技术来解决，这与用户体验是背道而驰的。令一些人感到震惊的是，我正是这样做的，以发现/创造这个游戏。 我从量子计算的结构出发，询问什么样的问题能从中受益。答案出乎意料地狭窄，但这就是其中一个结果。希望你喜欢！

嗨，HN， 我一直在开发一种数据序列化格式，旨在通过消除重复的键冗余和优化整体结构，使其比JSON轻得多。今天，我将JavaScript SDK（lytok-js）开源。 在我们最新的基准测试中，使用WASM引擎，Lytok实现了： - 64.77%的负载减少。 - 网络和解析速度提高了50.19%。 - 在向AI模型输入复杂结构时，节省了49.51%的LLM令牌。 核心理念是通过定义映射来提炼结构（您可以在实验室中测试）。这使得引擎能够处理繁重的工作，从而避免薄客户端和高流量网络被冗余数据淹没。 GitHub仓库：[https://github.com/lytok/lytok-js](https://github.com/lytok/lytok-js) 互动实验室：[https://lytoklab.netlify.app/](https://lytoklab.netlify.app/) 我很想听听您的想法、架构批评或优化建议。

大多数抵押贷款处理延迟并不是由于风险造成的，而是由于手动工作流程造成的。 我们一直在开发SimplAI，这是一个专为银行和金融服务设计的人工智能驱动系统，首先应用于抵押贷款操作。 我们不断遇到的问题包括： - 处理时间为15到22天 - 繁重的手动文件处理（每笔贷款超过500页） - 重复的数据输入和验证循环 - 核保人员在非决策工作上花费数小时 因此，我们构建了一套AI代理来处理操作层面的问题： - 文档AI（IDP）→ 在几分钟内对贷款文件进行分类和数据提取 - 收入分析模型 → 解析税单、工资单和可变收入 - 验证集成 → 实时的就业和财务检查 - AI辅助核保 → 预先验证文件并生成条件 - 合规引擎 → 持续检查是否符合监管规则 在实际应用中，我们观察到的结果是： - 从端到端处理时间：约18天缩短至3-5天 - 数据提取准确率：97%以上 - 核保审核时间：3-4小时缩短至不到45分钟 - 每笔贷款成本降低约40-50% 我们并不是在取代核保人员，而是在消除他们周围的操作瓶颈。 虽然还处于早期阶段，但我们正在探索： - 跨贷款生命周期的基于代理的工作流程 - 更好地处理边缘案例（自雇借款人、非合格贷款） - 核保决策的可解释性 我们非常希望听到金融科技、贷款领域或任何在受监管环境中构建AI系统的人的反馈。