科锐国际接入DeepSeek - R1：中高端招聘迎新变革，科锐国际：借助DeepSeek - R1，革新中高端招聘

在招聘行业快速发展的背景下，科锐国际作为国内首家A股上市的人力资源服务企业，成功接入DeepSeek - R1大模型的相关情况。包括这一接入对中高端招聘效率提升、人工智能技术在招聘领域深化应用的意义，还介绍了科锐国际的业务范围、过往成果等，以及其CTO刘之对DeepSeek - R1的看法，如它对Agents技术的推动、与OpenAI的o1模型对比等。同时展望了DeepSeek - R1在未来成为RAG和Agents主力模型的潜力，还阐述了科锐国际在AI技术发展洞察下的决策思路，如选择以嵌入模型和RAG技术为核心的方案开发而非直接训练行业垂直大模型，最后介绍了接入模型为企业内部数据提供的方式，以及科锐国际自研的CRE Embedding模型和MatchSystem匹配系统的相关情况及其在招聘中的作用等。

在当今飞速发展的招聘行业里，科技发展正以前所未有的态势给人才匹配带来巨大变革。科锐国际，作为国内在A股上市的首家人力资源服务企业，在近期有了一项重大的技术突破——成功接入DeepSeek - R1大模型。这一创举可不简单，它的目标不仅仅是提高中高端招聘的效率，更是要全方位地加深人工智能技术在招聘领域的应用程度。科锐国际的业务版图广泛，在全球设置了超过100家分支机构。其服务内容丰富多样，涵盖中高端人才搜索、招聘流程外包、灵活用工等全方位的服务，并且还开发出了HRSaaS、垂直招聘平台等多元化的产品。截至目前，科锐国际已经成功推荐了接近2万名中高端管理及专业技术人员，灵活用工的派遣人数更是多达38.3万之众。科锐国际的CTO刘之表示，DeepSeek - R1所具有的创新性将会推动Agents技术进一步发展。他特别指出，DeepSeek - R1可以看作是OpenAI的o1模型的一种平替版本，而且在经济性方面更胜一筹。这个大模型在大规模强化学习领域取得了突破性的进展，这无疑是人工智能技术领域的一次重大革命。虽然市场上的模型迭代速度很快，但跨学科团队的深度融合依旧是推动进步的重要动力。刘之还提到，尽管OpenAI在去年发布了o1推理大模型，科锐国际却早已开始探索利用o1来高效处理跨数据源的复杂RAG（检索增强生成）任务，并且预先研究了更依赖推理能力的Agents。值得一提的是，DeepSeek - R1和o1在推理能力上有相似之处，所以科锐国际的产品方案和战略并没有受到太大的影响。与o1不同的是，DeepSeek - R1有着透明的思维链，这对意图理解和任务规划有着极大的帮助，从而能够提升用户的体验。展望未来，刘之充满信心地认为，随着科锐国际在多种场景下接入更多的大模型，DeepSeek - R1完全有能力成为RAG和Agents的主力模型。自从DeepSeek系列模型发布以来，在业界引起了热烈的反响，已经给OpenAI等大模型制造商带来了一定的压力。随着DeepSeek - V3和DeepSeek - R1的相继推出，它们不仅展示出了强大的语言理解与生成能力，而且由于可能具有更低的训练成本而受到广泛关注。虽然DeepSeek - R1的具体训练成本还没有公开，但外界普遍猜测其成本可能会低于DeepSeek - V3的“600万美元”（DeepSeek - V3的训练预算为“2048个GPU、2个月”）。在春节期间，国内外的芯片制造商和云服务提供商迅速宣布对DeepSeek技术给予支持。预计在不同的GPU和云计算平台上，DeepSeek系列模型将会展现出独特的性能特征。刘之指出，独立部署DeepSeek - R1的成本目前仍然过高，所以科锐国际选择通过云服务厂商的API来应用这一模型。早在2023年下半年，科锐国际就公开宣布已经训练了一种面向招聘行业的预训练语言模型CRE（Career International Recruitment Embedding）。不过，该公司并没有选择直接训练行业垂直大模型，而是将重点放在以嵌入模型和RAG技术为核心的方案开发上。这一决策源于科锐国际对AI技术发展的深刻认识：一方面，AI计算的范式正在朝着通过丰富数据和计算力来提升性能的方向转变；另一方面，通用大模型的集中化趋势越来越明显，而行业垂直大模型在技术上还面临着诸多挑战。为了提高招聘的效率和精准性，科锐国际正在全力以赴地研发Embedding模型，同时为MatchSystem匹配系统提供RAG能力支持。刘之提到，接入模型为企业内部数据提供了三种主要方式：RAG、ICL上下文学习和微调。在拥有大量数据的情况下，RAG是必不可少的，而研发一个高效的搜索系统和Embedding是实现RAG的基础。自2022年起，科锐国际就开始着手建设数据中台，逐渐构建起一个覆盖20多个行业和细分领域的庞大的数据系统。借助这些数据，CRE Embedding模型能够在真实场景中更好地贴合实际情况，从而提高匹配的精准度和效率。CRE Embedding模型基于700GB的公开数据和40GB的行业简历与招聘需求数据进行预训练和任务微调，能够深入理解岗位需求与候选人简历中的复杂语义关系。与通用的连贯性文本不同，招聘数据往往需要通过扫视式阅读来识别，所以在模型架构的设计上，更加注重局部关系的建模。同时，通过多粒度特征的融合和Transformer变体等先进技术，使得CRE模型更适用于招聘场景。为了弥补Embedding模型的不足，MatchSystem引入关键词检索，构建了一个混合检索系统，同时结合了RAG技术，以满足灵活多变的查询需求。刘之强调，科锐国际选择这一研发路径，除了受到行业大环境的挑战之外，更是因为过去的技术手段已经无法满足市场需求。例如，尤其是在中高端岗位的招聘过程中，传统的人岗匹配往往依赖标签或知识图谱的方法，面临着许多难题。所以，科锐国际选择了自研Embedding模型和MatchSystem匹配系统。据了解，MatchSystem能够精准匹配垂直岗位的招聘需求，而不是笼统的描述。例如，在算法工程师这一细分岗位上，MatchSystem系统能够实现快速而准确的匹配。在获客过程中，曾经需要一周时间的候选人匹配，现在通过MatchSystem系统可以实时完成，这大大提高了效率。这表明科技的引入正在给招聘行业带来革命性的变化，科锐国际与DeepSeek - R1的合作，开启了中高端招聘的新纪元。通过将先进的人工智能技术融入招聘流程，科锐国际不但提升了自身的服务能力，也在推动整个行业朝着更智能化、精准化的方向发展。在未来，随着更多技术的不断迭代，中高端招聘的格局或许会被重新定义，人才的匹配效率也将达到一个新的高峰。

本文总结了科锐国际接入DeepSeek - R1大模型这一事件及其背后的意义。包括对科锐国际业务、技术发展决策、模型接入方式、研发的相关模型在招聘中的作用等多方面的阐述，体现了这一接入对中高端招聘效率提升和行业发展方向的积极影响，同时也展示了科技发展与招聘行业融合发展的趋势。