去年,互聯(lián)網(wǎng)招聘行業(yè)融資潮爆發(fā),而今三月招聘行業(yè)的旺季來臨,招聘行業(yè)的“新貴和豪門們”紛紛摩拳擦掌,計劃大干一場。飛速完成兩輪融資、以產(chǎn)品顛覆行業(yè)格局的拉勾網(wǎng)一馬當(dāng)先在北京、深圳以及上海地鐵要站“刷屏”,一如往常,拉勾網(wǎng)3月“全民跳槽月”還是專注于互聯(lián)網(wǎng)人才職場機會,拿出全互聯(lián)網(wǎng)十萬個offer吸引全網(wǎng)職場人士,互聯(lián)網(wǎng)招聘行業(yè)的3月“搶人”大戰(zhàn)一促即發(fā)。
走過海淀黃莊、中關(guān)村、知春路等地鐵站,一抹綠色即躍入眼簾,屏蔽門、兩邊的墻上都被貼上拉勾網(wǎng)的廣告墻貼,強勢占領(lǐng)北京市互聯(lián)網(wǎng)從業(yè)者每天上下班的重要通道,用生機勃勃的綠色刷新乘客的眼球。據(jù)記者了解,目前拉勾網(wǎng)在4號線,10號線,5號線、1號線沿路的墻貼、包柱、屏蔽門、燈箱都投放了廣告。另一邊,趕集網(wǎng)、獵聘網(wǎng)、脈脈這些綜合性招聘平臺也不甘落后,在其余地鐵線路上大做文章,這個3月招聘行業(yè)的競爭比以往都更加激烈。
記者在拉勾網(wǎng)官網(wǎng)見到,3月拉勾網(wǎng)全面跳槽月有6大熱門招聘專場、6大行業(yè)招聘專場、4大城市招聘專場、6大高薪職能招聘專場、4大特色招聘專場、321夢想者集市、簡歷擂臺、針對高端人才的拉勾夜宴……可謂形式多樣、內(nèi)容五花八門,全面覆蓋整個互聯(lián)網(wǎng)人才招聘。
據(jù)了解,在去年年末的“野心時代”,拉勾網(wǎng)還開創(chuàng)了針對互聯(lián)網(wǎng)招聘的O2O模式,將線上招聘和線下活動相結(jié)合。而拉勾網(wǎng)花500萬巨資打造史上最大規(guī)模的“互聯(lián)網(wǎng)招聘風(fēng)暴”,與傳統(tǒng)意義上的線下招聘擺攤不同的是,拉勾網(wǎng)的線下招聘活動到場的絕大多數(shù)是公司CEO級別,能夠當(dāng)場拍板。在招聘現(xiàn)場上還有演講,很多互聯(lián)網(wǎng)大佬前來助陣,也吸引了不少人氣。
拉勾網(wǎng)即將啟動互聯(lián)網(wǎng)職場O2O項目“拉勾夜宴”,面對中高端人才,以氛圍輕松的“飯局”形式代替?zhèn)鹘y(tǒng)面試環(huán)節(jié),為5年以上高端互聯(lián)網(wǎng)從業(yè)者與CEO級別的企業(yè)招聘方提供線下私人交流場所。拉勾網(wǎng)創(chuàng)始人、董事長許單單表示:“拉勾夜宴”項目的推出也是為了讓獵頭行業(yè)回歸本質(zhì),通過規(guī)模化信息匹配降低行業(yè)招聘成本。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。