文 丨 新浪科技 周文猛
期數:No.66
嘉賓:科銳國際CTO 劉之
DeepSeek不斷推進技術論文、代碼庫開源的舉動,正讓越來越多的國內企業以更低的成本使用比肩OpenAI o1性能的模型能力。
日前,科銳國際宣佈已接入DeepSeek-R1大模型,探索AI大模型與招聘特別是中高端招聘領域的深度融合,以期提升人才匹配效率。在與新浪科技《科創100人》溝通中,科銳國際CTO劉之直言,“推理大模型本身是爲了往Agents上的發展的。DeepSeek-R1的開源,讓國內國外很多沒有用上OpenAI o1或保密性較強不能使用雲的機構,帶來了極大的能力提升。同時DeepSeek-R1也給大家指了一條大規模強化學習的路。”。
早在2022年時,科銳國際便確認了以行業垂直Embedding 模型和 RAG 爲核心的AI技術路線,同時也在嘗試將OpenAI o1運用到公司業務中。據劉之介紹,“DeeSeek-R1和o1的推理能力類似,因此公司沒有因此改變自己的產品方案和策略,而且隨着公司接入更多不同模型,DeepSeek-R1有可能接替o1,成爲公司RAG和Agents的主力模型。”
“AI人才匹配精準度已超初中級顧問”
作爲國內首家登陸A股的人力資源服務企業,目前科銳國際在全球已有100多個分支機構,主營業務覆蓋中高端人才訪尋、招聘流程外包、靈活用工等全鏈條服務,及HR SaaS、垂直領域招聘等。而如何運用前沿AI技術爲公司招聘業務賦能,是劉之當下最爲重要的工作內容之一。
據劉之介紹,2024年起,科銳國際聚焦 AI-First 戰略方向。“現在在科銳內部,AI 的氛圍非常濃厚,各個部門都在嘗試 AI 方面的實踐”。
具體而言,招聘業務核心要解決匹配撮合。通過使用AI來進行招聘會涉及很多技術,例如推薦系統、知識圖譜等專家系統,以及基於關鍵詞和語義的搜索系統,而不同的技術,對不同的人才招聘產生的“撮合”效果又不同。例如,推薦系統在藍領和初級崗位招聘中有效果,知識圖譜等專家系統適合小且穩定招聘需求的崗位招聘,如人財法等。
據劉之介紹,早在 2023 年 12月,科銳國際便發佈了大模型落地應用必不可少的CRE Embedding行業級模型,隨後又在2024 年 4 月立項了MatchSystem 匹配系統。MatchSystem系統彌補了純用向量檢索的缺乏精確性的問題。
據劉之介紹,目前該系統已更新至2.0版本,並已應用在公司內部合作、標籤自動化、線索管理等領域。“目前我們系統的能力,在匹配精確性能能超過初中級顧問的水平,這是核心的主要場景,也是公司最核心的基礎能力”。在劉之看來,“隨着實時多模態等Agents 必備的技術逐漸成熟,基礎和初級崗位的招聘應該可能會全流程自動化,而中高級崗位的招聘在部分流程中會自動化。”
數據顯示,優秀的獵頭顧問通常需要在特定領域深耕兩年,才能達到業績峯值,這期間需要大量積累專業知識。然而,獵頭業務一方面面臨市場快速變化的挑戰,過去能夠持續一兩年的熱門崗位,如今可能僅火熱數月,需要持續學習和積累人脈;另一方面,崗位日益細分,隨着產業鏈擴展和技術發展帶來了很多新崗位,導致獵頭顧問需要掌握的專業知識量顯著增加。
據悉,基於不同類型人才招聘對於招聘顧問所提出的需求不同,目前科銳國際將資源都集中在了中高端招聘的匹配領域,通過AI等技術來賦能這一領域的招聘工作。
“Agent最佳進入時機已經到來”
自去年以來,伴隨AI大模型的快速發展,基於AI大模型的Agent應用方面,迅速成爲業界關注的焦點。在劉之看來,“做Agent要向機器人領域學習,因爲Agent智能體這個詞源自強化學習,而強化學習很大一部分應用在機器人和具身智能領域中。”
“如果說OpenAI把強化學習與語言模型的結合是創新,那麼通過大規模強化學習來增強語言模型的推理能力是DeepSeek對社區的重大貢獻。”劉之表示,“隨着這幾年NLP/CV領域中的Transformer架構、大規模預訓練模型和Scaling Law的影響,具身智能技術的發展速度也在非常快應用,能夠模仿學習並完成多任務的通用機器人將使得AGI往前推進了一步,而這類結合硬件的VLA(Vision-Language Action) Agent的發展,會進一步反向推進PC Agent和Mobile Agent的發展。”
劉之預計,隨着實時多模態大模型、長上下文、推理大模型、行動大模型等逐漸成熟,Agent 的最佳進入時機已經到來,科銳國際計劃在 2025 年開始推出 PC 端尋訪自動化 Agent、關係圖譜預測的 GTN 等能力。
“推理大模型、長記憶的實時多模態和基於強化學習的 Agent,會使得數字招聘專員變成現實,這有可能會改變招聘行業現有的商業模式。”劉之表示。
責任編輯:郝欣煜
免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。