5月7日下午消息,互聯(lián)網(wǎng)垂直招聘網(wǎng)站拉勾網(wǎng)宣布將招聘延伸到金融領(lǐng)域,其針對(duì)金融行業(yè)招聘的職位分類已經(jīng)上線。其CEO馬德龍表示,拉勾網(wǎng)將成為國(guó)內(nèi)第一個(gè)垂直金融領(lǐng)域招聘的平臺(tái),而且不排除以后會(huì)將金融招聘做成獨(dú)立產(chǎn)品。
據(jù)了解,拉勾網(wǎng)進(jìn)軍金融領(lǐng)域,是因?yàn)槭袌?chǎng)需求的驅(qū)動(dòng)。互聯(lián)網(wǎng)金融是目前互聯(lián)網(wǎng)行業(yè)最火熱的細(xì)分行業(yè),馬德龍表示,“如果不擴(kuò)展我們的業(yè)務(wù)范圍,將無法滿足蓬勃發(fā)展的行業(yè)需求,我們難以想象,一家從事互聯(lián)網(wǎng)金融的企業(yè),先在拉勾上招聘到互聯(lián)網(wǎng)技術(shù)人才之后,再去其他的平臺(tái)上找金融專業(yè)的人才。”
此外,此次進(jìn)軍金融領(lǐng)域,最重要的內(nèi)部原因是因?yàn)?,?jīng)過一年半的發(fā)展,拉勾的商業(yè)模式、產(chǎn)品服務(wù),已經(jīng)形成完整的閉環(huán),過去的幾個(gè)月里,拉勾先后推出了lagou+,拉勾一拍等標(biāo)準(zhǔn)化產(chǎn)品,拉勾只需要把這些產(chǎn)品移植到相關(guān)行業(yè)即可。
而在提及進(jìn)軍金融領(lǐng)域是否會(huì)改變拉鉤網(wǎng)以前一直強(qiáng)調(diào)的“專注”,馬德龍解釋說:“當(dāng)時(shí)我們聚焦于互聯(lián)網(wǎng)行業(yè),現(xiàn)在,我們加上一副望遠(yuǎn)鏡,是為了幫互聯(lián)網(wǎng)行業(yè)做好更縱深的服務(wù),真正結(jié)合拉勾網(wǎng)的特點(diǎn),為國(guó)家互聯(lián)網(wǎng)+的戰(zhàn)略服務(wù)。”
其董事長(zhǎng)許單單也表示,進(jìn)軍金融領(lǐng)域,并不意味著拉勾會(huì)改變自己以前專注、專業(yè)的公司氣質(zhì)。“我們永遠(yuǎn)不會(huì)做到全行業(yè),我們會(huì)始終關(guān)注高收入、高科技人群,最多只做三四個(gè)領(lǐng)域。此次進(jìn)軍金融行業(yè),也是因?yàn)槲覀內(nèi)齻€(gè)合伙人中,其實(shí)我自己最擅長(zhǎng)的是金融領(lǐng)域”。
成立于2013年7月份的拉勾網(wǎng),此前一直專注于互聯(lián)網(wǎng)招聘,號(hào)稱是“最懂互聯(lián)網(wǎng)”的招聘平臺(tái)。 此前,拉勾網(wǎng)已經(jīng)服務(wù)過包括京東金融、支付寶、深圳前海微眾銀行等金融機(jī)構(gòu)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。