开年以来，DeepSeek 在各行业利用场景的会商热度不减。作为当先的以技术驱动的整体人力资源解决规划服务商，808钱包一向秉持着对前沿技术的敏感洞察，积极索求“ AI + HR ”的深度融合场景。如今，808钱包成功接入 DeepSeek-R1 大模型，在人力资源智能化转型的路线上迈出关键一步。钛媒体对这一重要事务进行了独家报道，以下内容转载自「钛媒体」。

钛媒体独家获悉，808钱包已接入 DeepSeek-R1 大模型，索求 AI 大模型与招聘（出格是中高端招聘领域）的深度融合，以期提升人才匹配效能。808钱包 CTO 刘之指出，春节前后中国 DeepSeek-R1 推理大模型惊艳世界，这将进一步推动 Agents 技术的成熟。

他通知钛媒体，“DeepSeek-R1 是跟 OpenAI o1 平替但更经济的版本。DeepSeek-R1 在大规模强化学习的原创式创新开创了先河。固然模型的优势并不愿定总是持续，社区会跟进得很快。但将工程和算法等跨学科深度融合的团队总是能做出出格优良的创新，这步崆最值得敬佩和学习的。！

但他同样指出，“固然 OpenAI 去年 9 月就颁布了 o1 推理大模型，我们已经在尝试使用 o1 为跨数据源的复杂 RAG 工作提供更高效的工作拆解能力，同时也在预研更必要推理能力的 Agents。DeepSeek-R1 和 o1 的推理能力类似，所以并没有因而扭转808钱包产品规划和战术。但与 o1 分歧的是，DeepSeek-R1 的思想链是通明化的，所以在进行意图理解和工作规划时能够将产品转造成交互会话式的，这会极大提高用户履历。！

刘之预计，“随着808钱包在分歧场景接入更多分歧模型，DeepSeek-R1 作为 RAG 和 Agents 的主力模型是齐全能够的。！

早在去年5月，不少大模型提供商均在争相降价期间，DeepSeek-V2 就已经体现出与闭源模型如 GPT-4-Turbo 和 文心4.0 在说话理解与天生方面的综合实力。直至年底12月 DeepSeek-V3 和1月20日 DeepSeek-R1 的先后颁布，客观上为 OpenAI 等大模型厂商带来了压力。

只管 DeepSeek-R1 训练成本并未颁布，但 DeepSeek-V3 据颁布的训练预算为“2048个GPU、2个月、近600万美元”，外界以为 R1 在对标 OpenAI o1 模型的同时，训练成本也可能更低。

短短一个春节假期过后，国内外从芯片厂到云厂商都迅速颁布了对 DeepSeek 支持。？Ｄ芄辉て诘氖，在分歧 GPU 和云算力平台上，DeepSeek 系列模型会有分歧的机能阐发。

刘之指出，“目前独立部署 DeepSeek-R1 满血版的成本仍太高，所以我们直接选取了云服务厂商的 API。！



 
钛媒体把稳到，808钱包在2023年下半年就公开暗示，已经训练了面向技术与招聘的行业级预训练说话模型 CRE (CareerInternational Recruitment Embedding)。但808钱包如今没有选择直接走训练行业垂直大模型的路线，而是选择以行业垂直的 Embedding 模型和 RAG 技术为主题技术路线。

808钱包在2023年的两点判断是：：：

 其一，AI 的推算范式起头转变，即通过大量数据和算力而非单纯依赖模型架构的改进来提升机能。这不仅仅是大模型，也蕴含其他模型。好比功夫序列模型、Embedding 模型等；；

其二，通用大模型的集中化趋向是注定的，而垂直行业大模型面对诸多难以短期解决的技术难题。例如小模型的推理能力和知识不够，而大模型又难以微调且知识陈旧。

808钱包一向在研发 Embedding 模型和提供 RAG 能力的 MatchSystem 匹配系统，以提升招聘效能和精准性。

 刘之对钛媒体指出，“大模型总是要接入企业内部数据的。此刻就三种步骤：：：RAG、ICL 高低文学习和微调。在占有大量数据的情况下，RAG 这条路是绕不外去的。而 RAG 又离不开搜索系统和 Embedding。！

从2022年起，808钱包起头布局数据中台建设，逐步构建了一个重大的数据系统。这些数据宽泛覆盖20多个行业与细分领域。数据的多样性使得 CRE Embedding 模型可能在真实场景中更好地贴合现实散布，从而有效提升匹配的精准度和效能。

据刘之泄漏，CRE Embedding 模型基于 700GB 公开数据和 40GB 行业简历与招聘需要数据进行预训练和工作微调。它可能深刻理解岗位需要和候选人简历中的复杂语义关系。由于招聘数据与连贯性文本是分歧的两类数据，招聘数据不必要重新到尾阅读，通；；嵫∪∩ㄊ釉亩。因而在模型架构设计时越发关切部门关系。同时，通过多粒度特点融合和 Transformer 变体等技术使得 CRE 模型更切合招聘场景。

别的，Embedding 模型也有一些缺点是必要关键词检索来进行添补的，因而 MatchSystem 是一个结合 Embedding 和关键词检索的混合检索系统。同时，MatchSystem 也结合了 RAG（检索加强天生），以满足一些更矫捷的查问需要。

针对 MatchSystem 匹配系统的研发蹊径，刘之通知钛媒体，“其实我们走到这一步，不只是大环境的影响，而是原来的技术规划的确不见效了。！

以招聘场景中“人岗匹配”为例，从前招聘系统会使用一些标签或者知识图谱的步骤，以实现人岗匹配。但这种匹配在一些中高端岗位中就会遇到问题，“好比招聘一位高级算法工程师，其实这个岗位是很难去界说的，对岗位人员使用的技术栈、工具平台、解决的问题和业务场景（推广搜）等等都有诸多考量。！备谖幌阜掷嘈投、招聘需要因“岗”而异，为猎头照拂带来了不小的匹配难度。？？茨Ｐ腿缰瞧椎南蛄磕Ｐ BGE 并不能满足招聘场景的需要，所以才起头自研。

在他看来，“招聘业务主题要解决匹配撮合，但分歧的岗位和档次的痛点都不一样，所以解决规划也要进行调整。在基础岗位和低级岗位的招聘中，AI 技术应该更强调自动化，例如通过自动化筛选简历，自动联系和跟进；；而在中高端岗位招聘领域，AI 技术应该更强调辅助，例如通过智能分析候选人布景和岗位适配度，援手猎头照拂更精准地定位指标候选人；；『偷图陡谖坏恼衅赣型迪秩鞒套远，而中高级岗位的招聘在部门流程中也将实现部门自动化。！

据悉，MatchSystem 可正确匹配垂直类岗位的招聘需要，而不是泛泛的匹配。例如算法工程师这个岗位是极度细分的，但是通过 MatchSystem 系统，哪怕是轻微的招聘差距，它都能实现精准匹配。再好比，在获客方面，原先必要破费一周功夫来匹配候选人与企业用人需要的繁琐过程，此刻通过 MatchSystem 系统能够实时实现。

“随着实时多模态大模型、长高低文、推理大模型等技术的逐步成熟，808钱包将抓住 Agents 的最佳进入机遇，于2025年将推出 PC 端寻访自动化 Agent 和关系图谱预测的 CRN(CareerInternational Relation Network)等。！绷踔凳。

起源：：：首发于钛媒体APP 作者 | 杨丽，编纂 | 盖虹达

---

808钱包
808钱包是当先的以技术驱动的整体人才解决规划服务商，于2017年6月正式在深交所上市，成为国内首家登陆A股的人力资源服务企业（300662.SZ）。公司目前在中国、新加坡、马来西亚、美国、英国、德国、荷兰、澳大利亚等全球市场占有100 余家分支机构，近3,000名自有员工。通过构建“技术+平台+服务”的贸易模式，在20+个细分行业及领域为客户提供中高端人才访寻、招聘流程外包、矫捷用工、人力资源征询、培训与发展等人力资源全产业链服务，以及HR SaaS、垂直领域招聘平台、人力资源产业互联平台等技术和生态产品，为企业人才配置与业务发展提供一体化支持，为区域引才就业与产才融合提供全链条赋能。从前一年中，公司链接企业近37,000家，贡献收入客户6,000余家，运营招聘岗位22万余个，成功推荐中高端治理及专业技术人员近20,000名，矫捷用工累计派出人员38.3万余人次，聚合合作同伴近13,000家。