開年以來，DeepSeek 在各行業應用場景的討論熱度不減。作為領先的以技術驅動的整體人力資源解決方案服務商，购宝钱包APP國際不斷秉持著對前沿技術的敏銳洞察，持續探索“ AI + HR ”的深度融合場景。如今，购宝钱包APP國際成功接入 DeepSeek-R1 大模型，在人力資源智能化轉型的道路上邁出關鍵一步。鈦媒體對這一重要事件進行了獨家報道，以下內容轉載自「鈦媒體」。
鈦媒體獨家獲悉，购宝钱包APP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。购宝钱包APP國際 CTO 劉之指出，春節前后中國 DeepSeek-R1 推理大模型驚艷世界，這將進一步有助于 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，社區會跟進得很快。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 任務給予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。DeepSeek-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，“隨著购宝钱包APP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，不少大模型給予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，“現在獨立部署 DeepSeek-R1 滿血版的成本仍太高，所以我們直接采用了云服務廠商的 API。”
鈦媒體注意到，购宝钱包APP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)。但购宝钱包APP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。
购宝钱包APP國際在2023年的兩點判斷是：
其一，AI 的計算范式開始轉變，即順利獲得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；
其二，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。
购宝钱包APP國際不斷在研發 Embedding 模型和給予 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年起，购宝钱包APP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，順利獲得多粒度特征融合和 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，例如順利獲得自動化篩選簡歷，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，例如順利獲得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，但是順利獲得 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，現在順利獲得 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，购宝钱包APP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。
來源：首發于鈦媒體APP 作者 | 楊麗，編輯 | 蓋虹達
购宝钱包APP國際
购宝钱包APP國際是領先的以技術驅動的整體人才解決方案服務商，于2017年6月正式在深交所上市，成為國內首家登陸A股的人力資源服務企業（300662.SZ）。公司現在在中國、新加坡、馬來西亞、美國、英國、德國、荷蘭、澳大利亞等全球市場擁有100 余家分支組織，近3,000名自有員工。順利獲得構建“技術+平臺+服務”的商業模式，在20+個細分行業及領域為客戶給予中高端人才訪尋、招聘流程外包、靈活用工、人力資源咨詢、培訓與開展等人力資源全產業鏈服務，以及HR SaaS、垂直領域招聘平臺、人力資源產業互聯平臺等技術和生態產品，為企業人才配置與業務開展給予一體化支撐，為區域引才就業與產才融合給予全鏈條賦能。過去一年中，公司鏈接企業近37,000家，貢獻收入客戶6,000余家，運營招聘崗位22萬余個，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，聚合合作伙伴近13,000家。
400-050-7798
English
