ZD至顶网CIO与应用频道 03月10日 北京消息:奥斯卡获奖电影《点球成金》讲述了一个真实的故事:一位棒球队总经理突破传统,通过数据分析,物色了一批被大大低估的队员,以骄人战绩进入季后赛创造奇迹。
事实上,基于IT技术科学分析,从而更好构建球员团队,在职业运动中屡见不鲜;以上海外服云落地长江软件园为起点,则标志着HR领域的云上“互联网+”浪潮正式开始。
云端大数据分析 HR行业新机遇
人们将谷歌的成功归于领先的技术及商业模式,而谷歌自己却认为其来源于高效招聘算法、员工计划算法、人才保留算法等人事数据分析;无独有偶,HP从海量人事数据入手,为员工开展离职风险评估,每年为企业节省约3亿美元。
过去几年中,互联网、云、社交平台的飞速发展,使得数据成倍增长,甚至以更多的方式发展,通过Hadoop等工具分析这些大数据,发现内在的规律和特征,企业将发现更多有价值的结论。
人力资源数据的三个类别(by普华永道)
德勤人才管理顾问Bersin认为,大数据在HR领域有极大潜力。传统方式中,HR使用较多的是滞后性的数据,展现已经发生的事实;而大数据分析不仅可以揭示和挖掘出目前还是未知的隐形知识,而且可以纠正传统知识和经验的错误,让HR从经验变成真正的科学。
上海外服云落地 HRSSC再升级
上海外服深耕人力资源行业超过30年,是国内最大的人力资源服务企业,并连续多年排名中国人力资源服务行业第一。上海外服是在华外企首选的合作伙伴,2014年世界500强公司中有85%的企业使用了上海外服的服务。上海外服同时也是上海百强企业,和中国企业500强公司。
随着互联网的出现,大批新型企业、初创企业相继建立,商业模式、组织架构和业务运营也发生很大变化,作为全球企业管理的通用模式,人力资源共享服务中心(HRSSC)也面临升级挑战。
日前,“长江软件园携手上海外服云——开创园区人力资源服务新模式”战略合作签约仪式隆重召开,上海外服云正式落地,以云计算、大数据、移动互联网等新技术,在构建全新HR服务模式、助力企业更快发展方面进行积极尝试。
东浩兰生集团副总裁,上海市对外服务有限公司党委书记、董事长李栋表示:对于广大中小型企业来说,建立高信息化、高效率的人力资源管理系统投入成本相当不菲。上海外服云将把专业的人力资源服务带给中小企业,帮助企业提升管理能级。
“外服云”落地长江软件园
UCloud混合云 高安全高可用IT基础
作为新一代HRSSC,上海外服云需具备既实现简单快捷人力资源的精细化管理,又能以卓有成效的大数据分析,帮助企业做出有针对性的人力资源决策的能力,而这些都需要建立一个全新的IT架构和服务模式——在创新实现大量数据收集、存储、分析的同时,保证平台整体的兼容、稳定、扩展性。
在互联网+的战略下,公有云将帮助上海外服发挥更大的价值,而自有资源则满足企业对敏感数据的监管和控制需求。UCloud业内领先的第二代混合云解决方案,将公有云、物理云、托管云(NetApp FAS8000系列存储)在一个机房内完美互联,并提供企业专线和外服公司进行日常交互,全方位满足上海外服新一代HRSSC对不同业务所需的弹性计算资源、可靠数据传输、安全可控等多方面技术需求。独有的边界隔离技术和实时数据保护,全面保障数据的安全。所有资源均部署于GDS高规格数据中心内,根据使用率可动态调整,实现资源与成本的最优组合。
“作为国内首个基于云技术的人力资源服务平台,外服云基于互联网思维建立的全新平台,整合了主流的IaaS,PaaS,SaaS理念,借助UCloud的混合云解决方案,我们既获得了技术的前瞻性,发挥了互联网+战略下数据价值的深度挖掘,又保证了平台的整体可用性和对于数据的自主掌控,为我们建立行业首个人力资源服务生态圈奠定了坚实基础。”——上海外服云CEO 王奕
“从第一份工作开始,我所就职的公司就一直是上海外服的客户。作为一名外服用户,十几年来我深刻感受到外服用心服务客户的理念以及细致入微的关怀。我们很荣幸能够为外服云平台的建设提供支持和保障。目前,上海外服云一期顺利落地,已支撑起“云健康”、“云工作”、“云关怀”以及基于大数据的“企业档案”等首批服务。接下来,外服云还会部署更多行业领先的业务平台,UCloud也将继续协助其搭建和开发相应的功能。“——UCloud架构副总裁 杨俊
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。