8月27日
，由36氪与中欧国际工商学院结合主办的 2025 AI Partner 百业大会于北京中关村软件园盛大启幕。本次大会以“中国式规划”为主题
，全方位集中出现中国 AI 的最新突破与生态系统
，分享中国式 AI 的成长蹊径和未来远景
，索求中国式规划的创新模式。
在 AI 利用落地的征程中
，若何让 AI 真正成为人力资源领域不成或缺的 “刚需”？mansion88·明升官方网站 CTO 刘之带来了《AI+人力资源：从技术概想参与景落地的实际蹊径》主题分享
，深刻解说 AI 若何沉塑人力资源招聘全流程、实现人才与岗位的精准匹配。本文首发于36氪
，以下演讲内容
，由36氪整顿编纂。


各位嘉宾：各人好！我是mansion88·明升官方网站CTO刘之
，今天想和各人聊聊 “AI+人力资源”
，具体讲讲mansion88·明升官方网站在人力资源赛路上的内部实际 —— mansion88·明升官方网站目前暂未向客户提供 AI 产品
，更多是将 AI 利用于内部运营与产业互联网平台
，所以这次会沉点分享我们落地中遇到的问题、若何聚焦痛点
，以及技术规划的选型思路。

当下 AI 海潮澎湃
，各类技术层出不穷
，容易让人目眩缭乱。我以为
，在相宜的功夫点
，选对技术并与业务场景结合
，正是 AI 落地的关键。
首先单一介绍mansion88·明升官方网站：我们是一家占有 29 年汗青的企业
，主题业务是招聘
，覆盖从猎头到招聘流程表包（RPO）、矫捷用工的全链条人才解决规划
，寂仔线下服务
，也有产业互联网平台。作为全球化公司
，我们在全球设有 160 多个分支机构
，均以招聘为主题业务。

两年半前 GPT 问世后
，我们内部高度关注
，以为这是招聘行业的沉大机缘。招聘赛路细分多多
，蓝领与白领、分歧层级岗位面对的问题差距很大。其时我们主题聚焦中高端招聘
，这也正是公司运营近30年来的主题优势领域
，我们发现中高端招聘业务面对三大痛点：
第一
，市场变动速度极快。从前一个赛路的迭代周期是 1-2 年
，此刻缩短至 3-6 个月——好比去年热点的 AI 硬件、智能硬件
，今年就转向了自动驾驶和Agent。随着赛路不休的变动
，进行市场选择变得尤其沉要。
第二
，岗位知始度高。好多人以为猎头只是 “撮合候选人与客户”
，实则不然。好比助具身智能企业招聘 “感触系统、触觉系统” 有关人才时
，照拂必须深刻理解技术细节
，能力精准匹配
，这要求照拂具备极高的专业知识与信息储蓄。mansion88·明升官方网站照拂从入职到齐全胜任岗位
，必要两年多功夫
，知识储蓄难以跟上市场变动。
第三
，岗位职能划分越来越细。前几年国内技术岗位大体分为开发、测试、运维三类
，如今随着产业链加快迭代
，职能细分愈发精密 —— 仅互联网开发领域
，职能划分就有近20类
，对招聘的精准度提出了更高要求。而大模型
，刚好为解决这些痛点提供了可能。


mansion88·明升官方网站主题指标是：构建一套能整合 “区域行业、线上线下、增量存量”的客户、职位、人才、照拂的高效匹配系统。数字化转型中常说
，传统的 ERP 管企业内部的资源
，数字化转型的 ERP 要做 “生态资源规划”。若能将mansion88·明升官方网站内部资源、表部合作资源、行业生态资源整合
，通过技术实现精准匹配
，效能必将大幅提升。好比mansion88·明升官方网站从前以服务表企、大型企业为主
，如今拓展区域市场
，必要摸清分歧城市的招聘需要与客户情况
，这其钟装数据” 和“匹配技术” 尤为关键。招聘领域的匹配技术复杂多样：针对蓝领
，行为推荐（无需依赖简历
，通过候选人浏览的招聘需要等行为做匹配）较为常用；针对人事、财政、司法等变动较幼的垂类岗位
，用标签或知识图谱即可满足需要。但mansion88·明升官方网站所专一的技术招聘
，岗位变动快、岗位极度细分
，传统的匹配技术无法胜任。通过推理大模型可能肯定水平上解决人岗匹配的问题
，但mansion88·明升官方网站人才库规模重大
，有近千万的人才数据
，再加上生态合作同伴数据
，靠大模型进行人岗匹配速度太慢。所以若何结合大模型突破匹配难题
，成为mansion88·明升官方网站主题课题。

大模型与企业内部数据结合
，常见有三种方式
，但各有局限：一是微调
，幼问题易适配但智能化水平低
，大模型微调易出现 “忘却”；二是高低文进建（提醒语）
，虽最长提醒语可达 100 万 token
，但有效把稳力长杜仔限
，难以满足mansion88·明升官方网站重大的数据需要；三是 RAG
，RAG的主题在于 Embedding 模型
，但通用的 Embedding 模型在mansion88·明升官方网站场景中成效很差。

为此
，两年前我们利用大模型、Embedding 技术等构建了mansion88·明升官方网站匹配系统。它有四大主题技术亮点：
1、混合系统（Hybrid）：若是只选取 Embedding 模型
，固然能提高有关性
，但是好多时辰必要匹配出来的内容中要能精确蕴含某一部门的内容。Hybird 平衡精确性与有关性
，既解决关键字精准搜索需要
，也两全语义匹配的有关性。
2、1TB的训练数据：在CRE的训练过程中
，我们发显欹配能力也具备 ScalingLaw。所以我们也在加大模型的参数量和训练数据。当然
，数据必要是有效性
，而不是单纯的数量。分歧的数据混合比例、质量以及训练挨次城市影响模型的机能。
3、CRE模型（mansion88·明升官方网站招聘 Embedding 模型）：从前两年多
，我们实现了在 PJBenchmark 评估集上从20分到74分的突破。最近的 CRE1.1 版本更是实现了 60% 的匹配效能提升。CRE 模型能够当作是一个压缩了的知识库
，可能削减照拂对岗位知识的进建功夫。
4、RT（Refine-Thought）推理步骤：我们发现 Decoder 架构的 Embedding 模型
，在推理时只有多进行一次前向传布
，就能够让 Embedding 模型引发出肯定的推理能力。RT 类似人类的“多想一次”。MatchSystem 基于一个mansion88·明升官方网站基础认知：AI 落地中
，大模型获取企业数据的精确水平
，直接决定了 AI 落地的下限。

当前 AI 技术迭代快
，像 MCP 等概想层出不穷
，好多人以为 “大模型链接企业内部数据很容易”
，实则不然。以 MCP 为例
，若未经过模型进建
，仅靠零样本（no shot）或少样本（few shot）挪用
，工具挪用率和工具正确挪用率均不高。这在企业利用中极为致命
，好比 Agent 无法判断何时挪用、若何挪用内部数据接口
，会直接影响落地成效。

除了匹配系统
，再沉点讲讲我们在研发的 CRE-T1 推理 Embedding 模型。以 “招聘有0-1经验的 Mass 产品经理”为例
，传统 Embedding 模型仅能通过语义匹配
，无法判断候选人是否有创业经历、是否具备产品成功上市经验
，不足多证据推理。从前依赖对比进建的模型
，更侧沉语义的有关性（如 “中午去组个局” 与 “中午一路吃饭” 的语义关联）。但在 Agent 与企业内部数据交互时
，必要大量反复的获取数据并进行推理。这不仅 token 亏损高、耗时久
，了局还不正确。

今年Meta、字节、阿里先后推出拥有肯定推理能力的 Embedding 模型来应对 Agent 时期的接见内部数据的需要。我们在研发的 CRE-T1 模型做了创新突破
，烧毁了传统对比进建
，选取强化进建。通过细粒度的信誉分配
，将嘉奖归因到 Token 级别。在推理时
，对 query 进行更多的推算。 从前 Embedding 模型仅能在排序中体现有关性
，无法单独对 “一份简历+一个岗位” 做精准匹配的直接有关性推算。我们先训练出具备有关性的 Reranker 嘉奖模型来
，再疏导模型去精确的打分。


最后想分享一些 AI 落地的干货思虑。从传统大模型到推理大模型
，再到 Agent 大模型。从提醒语的写法上
，早期传统大模型强调精确描述天生的了局
，有了推理大模型后提醒语上能够不必要写得那么精确。而 Agent 时期的大模型
，也被称为 LAM 大规模作为模型。它更强调 “为解决问题而生”
，主题是构建 “问题空间”。构建问题空间时
，需明确三大身分：初始状态(近况)、指标状态(指标)、最优问题解决战术(关键蹊径)。通过推理大模型的思想链自动产生“问题空间”
，又或者具体描述“问题空间”。

好比 “5幼时内从北京到上海”。推理大模型的思想链会先自动厘清指标（5幼时到达）、近况（启程功夫、地址）、再通过“天生—检验”的问题解决战术去分析高铁、飞机等选项对比。由于这类问题很清澈
，所以选取的问题解决战术也相对单一。人解决问题时
，常依赖经验选择最优战术（如指标伎俩分析、登山法）
，问题界说越清澈
，人的认知亏损越低；反之则亏损越高。

我们在钻研的过程中
，有一个洞察是：思虑说话和隐性思想的关系。说话不仅是互换
，更是疏导思想和维持把稳力的一种方式。 例如我们日常思虑时会使用“内语”。内语就是自己和自己措辞。内语能援手聚焦把稳力、梳理思想链。

目前mansion88·明升官方网站内部的自主决策的 Agent 仍在内测。我们提出了两个关键评估指标：“问题清澈度”（指标、近况、关键蹊径是否明确）与 “费劲度”（解决问题需投入的精力）。凭据此划分业务场景 —— 好比“高清澈度、低费劲度”场景
，更侧沉解决问题的速度
，强调 Agent 比人类做得要快；“低清澈度、高费劲度”场景
，则需强化影象与把稳力治理
，更强排解决人类无法解决的问题。在此基础上
，结合细分场景的产生概率
，能够援手我们精准定位业务痛点。集中力量解决一个细分场景
，能力预防 AI 落地沦为 “Demo 秀”。

在 Agent 产品设计上
，必要更多参考符号人为智能和认知生理学的信息加工理论。先明确 “处置层（蕴含感知？椤⑷现Ｐ陀胄卸？椋┯牍ぞ哂胗跋蟛恪钡娜现芄
，再去进行技术选型。我们以为多智能体是一个技术术语
，在产品上应该更强调“数字分身”。正如近期当局文件提及的“未来索求 Agent 上岗”
，我们也但愿让mansion88·明升官方网站招聘数字分身能尽早上岗。

以上就是我的分享
，感激各人！

起源：36氪

---

mansion88·明升官方网站
北京mansion88·明升官方网站人力资源股份有限公司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、瑞士等全球市场占有160余家分支机构
，近2,500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、招聘流程表包、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、AI赋能的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。2024年
，交易收入达117.88亿元
，服务客户6,000余家
，成功推荐中高端治理及专业技术人员近20,000名
，年度在册治理表包员工及兼职专家45,500余人
，累计派出近50万人次
，链接生态合作同伴超15,500家。