新火種
2025-03-10 
科銳國際已基于云平臺接入DeepSeek-R1大模型|鈦媒體獨家
鈦媒體獨家獲悉，科銳國際已接入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。
科銳國際是國內首家登陸A股的人力資源服務企業，目前在全球已有100多個分支機構，其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、垂直領域招聘等產品。成功推薦中高端管理及專業技術人員近20,000名，靈活用工累計派出人員38.3萬余人次。
科銳國際CTO劉之指出，春節前后中國DeepSeek-R1推理大模型驚艷世界，這將進一步推動Agents技術的成熟。
他告訴鈦媒體，“DeepSeek-R1是跟OpenAI o1平替但更經濟的版本。DeepSeek-R1在大規模強化學習的原創式創新開創了先河。雖然模型的優勢并不一定總是持續，社區會跟進的很快。但將工程和算法等跨學科深度融合的團隊總是能做出特別優秀的創新，這才是最值得敬佩和學習的。”
但他同樣指出，“雖然 OpenAI 去年 9 月就發布了 o1 推理大模型，我們已經在嘗試使用o1為跨數據源的復雜RAG任務提供更高效的任務拆解能力，同時也在預研更需要推理能力的Agents。DeeSeek-R1和o1的推理能力類似，所以并沒有因此改變我們的產品方案和策略。但與 o1 不同的是，DeepSeek-R1的思維鏈是透明化的，所以在進行意圖理解和任務規劃時可以將產品轉變成交互會話式的，這會極大提高用戶體驗。”
劉之預計，“隨著科銳國際在不同場景接入更多不同模型，DeepSeek-R1作為RAG和Agents的主力模型是完全可以的。”
早在去年5月，不少大模型提供商均在爭相降價期間，DeepSeek-V2就已經體現出與閉源模型如GPT-4-Turbo和文心4.0在語言理解與生成方面的綜合實力。直至年底12月DeepSeek-V3和1月20日DeepSeek-R1的先后發布，客觀上為OpenAI等大模型廠商帶來了壓力。盡管DeepSeek-R1訓練成本并未公布，但DeepSeek-V3據公布的訓練預算為“2048個GPU、2個月、近600萬美元”，外界認為R1在對標OpenAI o1模型的同時，訓練成本也可能更低。
短短一個春節假期過后，國內外從芯片廠到云廠商都迅速公布了對DeepSeek支持。可以預期的是，在不同GPU和云算力平臺上，DeepSeek系列模型會有不同的性能表現。
劉之指出，“目前獨立部署DeepSeek-R1滿血版的成本仍太高，所以我們直接采用云服務廠商的API。”
鈦媒體注意到，科銳國際在2023年下半年就公開表示，已經訓練了面向技能與招聘的行業級預訓練語言模型CRE(CareerInternational Recruitment Embedding)。
但科銳國際如今沒有選擇直接走訓練行業垂直大模型的路線，而是選擇以行業垂直的Embedding模型和RAG技術為核心技術路線。科銳國際在2023年的兩點判斷是：一是AI的計算范式開始轉變，即通過大量數據和算力而非單純依賴模型架構的改進來提升性能。這不僅僅是大模型，也包括其他模型。比如時間序列模型、Embedding模型等；二是通用大模型的集中化趨勢是肯定的，而垂直行業大模型面臨諸多難以短期解決的技術難題。例如小模型的推理能力和知識不夠，而大模型又難以微調且知識陳舊。
科銳國際一直在研發Embedding模型和提供RAG能力的MatchSystem匹配系統，以提升招聘效率和精準性。
劉之對鈦媒體指出，“大模型總是要接入企業內部數據的。現在就三種方法：RAG、ICL上下文學習和微調。在擁有大量數據的情況下，RAG這條路是繞不過去的。而RAG又離不開搜索系統和Embedding。”
從2022年科銳國際開始布局數據中臺建設，逐漸構建了一個龐大的數據系統。這些數據廣泛覆蓋20多個行業與細分領域。數據的多樣性使得CRE Embedding模型能夠在真實場景中更好地貼合實際分布，從而有效提升匹配的精準度和效率。
據劉之透露，CRE Embedding模型基于700GB公開數據和40GB行業簡歷與招聘需求數據進行預訓練和任務微調。它能夠深刻理解崗位需求和候選人簡歷中的復雜語義關系。由于招聘數據與連貫性文本是不同的兩類數據，招聘數據不需要從頭到尾閱讀，通常會采用掃視閱讀。因此在模型架構設計時更加關心局部關系。同時，通過多粒度特征融合和Transformer變體等技術使得CRE模型更符合招聘場景。
另外，Embedding模型也有一些缺陷是需要關鍵詞檢索來進行彌補的，因此MatchSystem是一個結合Embedding和關鍵詞檢索的混合檢索系統。同時，MatchSystem也結合了RAG（檢索增強生成），以滿足一些更靈活的查詢需求。
針對MatchSystem匹配系統的研發路徑，劉之告訴鈦媒體，“其實我們走到這一步，不只是大環境的影響，而是原來的技術方案確實不奏效了。”
以招聘場景中“人崗匹配”為例，過去招聘系統會使用一些標簽或者知識圖譜的方法，以實現人崗匹配。但這種匹配在一些中高端崗位中就會遇到問題，“比如招聘一位高級算法工程師，其實這個崗位是很難去定義的，對崗位人員使用的技術棧、工具平臺、解決的問題和業務場景（推廣搜）等等都有諸多考量。”崗位細分類型多、招聘需求因“崗”而異，為獵頭顧問帶來了不小的匹配難度。開源模型如智譜的向量模型BGE并不能滿足招聘場景的需求，所以才開始自研。
在他看來，“招聘業務核心要解決匹配撮合，但不同的崗位和層次的痛點都不一樣，所以解決方案也要進行調整。在基礎崗位和初級崗位的招聘中，AI技術應該更強調自動化，例如通過自動化篩選簡歷，自動聯系和跟進；而在中高端崗位招聘領域，AI技術應該更強調輔助，例如通過智能分析候選人背景和崗位適配度，幫助獵頭顧問更精準地定位目標候選人。基礎和初級崗位的招聘有望實現全流程自動化，而中高級崗位的招聘在部分流程中也將實現部分自動化。”
據悉，MatchSystem可準確匹配垂直類崗位的招聘需求，而不是泛泛的匹配。例如算法工程師這個崗位是非常細分的，但是通過MatchSystem系統，哪怕是細微的招聘差別，它都能實現精準匹配。再比如，在獲客方面，原先需要花費一周時間來匹配候選人與企業用人需求的繁瑣過程，現在通過MatchSystem系統可以實時完成。
“隨著實時多模態大模型、長上下文、推理大模型等技術的逐漸成熟，科銳國際將抓住Agents的最佳進入時機，于2025年將推出PC端尋訪自動化Agent和關系圖譜預測的CRN(CareerInternational Relation Network)等。”劉之表示。（本文首發于鈦媒體APP，作者 | 楊麗，編輯 | 蓋虹達
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
