科銳國際近期宣布了一項重大技術(shù)進(jìn)展，該公司已成功接入了DeepSeek-R1大模型，旨在深化人工智能技術(shù)在中高端招聘領(lǐng)域的應(yīng)用，以期實現(xiàn)人才匹配效率的大幅提升。
作為國內(nèi)首家在A股上市的人力資源服務(wù)企業(yè)，科銳國際在全球擁有超過100家分支機構(gòu)，業(yè)務(wù)范圍涵蓋中高端人才搜索、招聘流程外包、靈活用工等全方位服務(wù)，以及HR SaaS、垂直領(lǐng)域招聘平臺等多元化產(chǎn)品。據(jù)統(tǒng)計，科銳國際已成功推薦近2萬名中高端管理及專業(yè)技術(shù)人員，靈活用工累計派遣人數(shù)超過38.3萬。
科銳國際CTO劉之表示，DeepSeek-R1大模型的推出，不僅令人矚目，更將推動Agents技術(shù)的進(jìn)一步發(fā)展。他強調(diào)，DeepSeek-R1是OpenAI o1模型的平替版本，且更具經(jīng)濟性。DeepSeek-R1在大規(guī)模強化學(xué)習(xí)領(lǐng)域的原創(chuàng)性創(chuàng)新，開創(chuàng)了新的先河。盡管模型優(yōu)勢可能不會持續(xù)存在，因為社區(qū)跟進(jìn)速度很快，但跨學(xué)科深度融合的團隊總能創(chuàng)造出卓越的創(chuàng)新，這是最值得尊敬和學(xué)習(xí)的。
劉之透露，盡管OpenAI在去年9月已發(fā)布o(jì)1推理大模型，科銳國際已開始嘗試?yán)胦1為跨數(shù)據(jù)源的復(fù)雜RAG（檢索增強生成）任務(wù)提供更高效的拆解能力，并預(yù)研更依賴推理能力的Agents。DeepSeek-R1與o1在推理能力上相似，因此并未改變科銳國際的產(chǎn)品方案和策略。然而，與o1不同的是，DeepSeek-R1的思維鏈?zhǔn)峭该鞯模@在進(jìn)行意圖理解和任務(wù)規(guī)劃時，可將產(chǎn)品轉(zhuǎn)變?yōu)榻换捠?，從而極大提升用戶體驗。
據(jù)劉之預(yù)測，隨著科銳國際在不同場景接入更多模型，DeepSeek-R1完全有能力成為RAG和Agents的主力模型。事實上，DeepSeek系列模型自發(fā)布以來，已給OpenAI等大模型廠商帶來了不小的壓力。DeepSeek-V3和DeepSeek-R1的相繼推出，不僅展示了其強大的語言理解與生成能力，還因可能更低的訓(xùn)練成本而受到關(guān)注。盡管DeepSeek-R1的具體訓(xùn)練成本未公開，但DeepSeek-V3的訓(xùn)練預(yù)算已公布為“2048個GPU、2個月、近600萬美元”，外界普遍認(rèn)為R1的訓(xùn)練成本可能更低。
春節(jié)期間，國內(nèi)外從芯片制造商到云服務(wù)提供商，都迅速宣布了對DeepSeek的支持?？梢灶A(yù)見，在不同GPU和云算力平臺上，DeepSeek系列模型將展現(xiàn)出不同的性能表現(xiàn)。劉之指出，目前獨立部署DeepSeek-R1滿血版的成本仍然過高，因此科銳國際選擇直接采用云服務(wù)廠商的API。
科銳國際早在2023年下半年就公開表示，已訓(xùn)練了面向技能與招聘的行業(yè)級預(yù)訓(xùn)練語言模型CRE（Career International Recruitment Embedding）。然而，科銳國際并未選擇直接訓(xùn)練行業(yè)垂直大模型的路線，而是選擇以行業(yè)垂直的Embedding模型和RAG技術(shù)為核心技術(shù)路線。這一決策基于科銳國際對AI技術(shù)發(fā)展趨勢的準(zhǔn)確判斷：一是AI計算范式的轉(zhuǎn)變，即通過大量數(shù)據(jù)和算力提升性能；二是通用大模型的集中化趨勢明顯，而垂直行業(yè)大模型面臨諸多技術(shù)難題。
為了提升招聘效率和精準(zhǔn)性，科銳國際一直在研發(fā)Embedding模型和提供RAG能力的MatchSystem匹配系統(tǒng)。劉之指出，大模型接入企業(yè)內(nèi)部數(shù)據(jù)有三種方法：RAG、ICL上下文學(xué)習(xí)和微調(diào)。在擁有大量數(shù)據(jù)的情況下，RAG是不可或缺的方法，而RAG又離不開搜索系統(tǒng)和Embedding?？其J國際自2022年開始布局?jǐn)?shù)據(jù)中臺建設(shè)，逐漸構(gòu)建了一個龐大的數(shù)據(jù)系統(tǒng)，廣泛覆蓋20多個行業(yè)與細(xì)分領(lǐng)域。這些數(shù)據(jù)使得CRE Embedding模型能夠在真實場景中更好地貼合實際分布，從而提升匹配的精準(zhǔn)度和效率。
CRE Embedding模型基于700GB公開數(shù)據(jù)和40GB行業(yè)簡歷與招聘需求數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練和任務(wù)微調(diào)。它能夠深刻理解崗位需求和候選人簡歷中的復(fù)雜語義關(guān)系。由于招聘數(shù)據(jù)與連貫性文本不同，招聘數(shù)據(jù)通常采用掃視閱讀方式，因此在模型架構(gòu)設(shè)計時更加關(guān)注局部關(guān)系。同時，通過多粒度特征融合和Transformer變體等技術(shù)，使得CRE模型更符合招聘場景。
為了彌補Embedding模型的缺陷，MatchSystem結(jié)合了關(guān)鍵詞檢索，形成了一個混合檢索系統(tǒng)。同時，MatchSystem還結(jié)合了RAG技術(shù)，以滿足更靈活的查詢需求。劉之表示，科銳國際之所以選擇這一研發(fā)路徑，不僅受到大環(huán)境的影響，更是因為原有的技術(shù)方案已無法滿足需求。例如，在招聘場景中，人崗匹配過去依賴標(biāo)簽或知識圖譜方法，但在中高端崗位招聘中會遇到問題。因此，科銳國際開始自研Embedding模型和MatchSystem匹配系統(tǒng)。
據(jù)悉，MatchSystem可準(zhǔn)確匹配垂直類崗位的招聘需求，而非泛泛之談。例如，在算法工程師這一細(xì)分崗位上，MatchSystem系統(tǒng)能夠?qū)崿F(xiàn)精準(zhǔn)匹配。在獲客方面，原先需要花費一周時間匹配候選人與企業(yè)用人需求的繁瑣過程，現(xiàn)在通過MatchSystem系統(tǒng)可實時完成。
