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(nèi)首家登陸A股的人力資源服務企業(yè)，目前在全球已有100多個分支機構，其主營業(yè)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(chǎn)品。成功推薦中高端管理及專業(yè)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(jié)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(jīng)濟的版本。DeepSeek-R1在大規(guī)模強化學習的原創(chuàng)式創(chuàng)新開創(chuàng)了先河。雖然模型的優(yōu)勢并不一定總是持續(xù)，社區(qū)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(yōu)秀的創(chuàng)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(fā)布了 o1 推理大模型，我們已經(jīng)在嘗試使用o1為跨數(shù)據(jù)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(chǎn)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(guī)劃時可以將產(chǎn)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(jīng)體現(xiàn)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(fā)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(jù)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(jié)假期過后，國內(nèi)外從芯片廠到云廠商都迅速公布了對DeepSeek支持�？梢灶A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(xiàn)。
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(jīng)訓練了面向技能與招聘的行業(yè)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(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(shù)據(jù)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(yè)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(diào)且知識陳舊。
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)，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(yè)內(nèi)部數(shù)據(jù)的�，F(xiàn)在就三種方法：RAG、ICL上下文學習和微調(diào)。在擁有大量數(shù)據(jù)的情況下，RAG這條路是繞不過去的。而RAG又離不開搜索系統(tǒng)和Embedding�！�
從2022年科銳國際開始布局數(shù)據(jù)中臺建設，逐漸構建了一個龐大的數(shù)據(jù)系統(tǒng)。這些數(shù)據(jù)廣泛覆蓋20多個行業(yè)與細分領域。數(shù)據(jù)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(jù)劉之透露，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)進行預訓練和任務微調(diào)。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(shù)據(jù)與連貫性文本是不同的兩類數(shù)據(jù)，招聘數(shù)據(jù)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(tǒng)。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(tǒng)的研發(fā)路徑，劉之告訴鈦媒體，“其實我們走到這一步，不只是大環(huán)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(tǒng)會使用一些標簽或者知識圖譜的方法，以實現(xiàn)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(yè)務場景（推廣搜）等等都有諸多考量�！睄徫患毞诸愋投唷⒄衅感枨笠颉皪彙倍�，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(yè)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(diào)整。在基礎崗位和初級崗位的招聘中，AI技術應該更強調(diào)自動化，例如通過自動化篩選簡歷，自動聯(lián)系和跟進；而在中高端崗位招聘領域，AI技術應該更強調(diào)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�；A和初級崗位的招聘有望實現(xiàn)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(xiàn)部分自動化�！�
據(jù)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(tǒng)，哪怕是細微的招聘差別，它都能實現(xiàn)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(yè)用人需求的繁瑣過程，現(xiàn)在通過MatchSystem系統(tǒng)可以實時完成。
“隨著實時多模態(tài)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�！眲⒅硎�。（本文首發(fā)于鈦媒體APP，作者 | 楊麗，編輯 | 蓋虹達）
更多精彩內(nèi)容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App
