HR 领域第 一 AI 专栏，希望以此为窗口，向 HR 传达专业的 AI 知识与信息，赋予人力资 本领域变革力量，以 AI 为钥，携手 HR 开启数字化变革之门！在这里，HR 们可以得到前沿技术思考、行业技术干货、全球 AI 好物、HR+AI 创新应用等。 目录 第一部分 人岗匹配 让 AI 技术提升人岗匹配效果，我们做了这些探索 解锁这项 AI 黑科技，马上实现人岗匹配自由 第二部分 型尝试。 同时并借鉴了 PNN、DCN、DLRM 和 DKN 网络原理正在适配适合现有数据类型的模型。本节 主要简要介绍 DNN 和 Wide&Deep，DeepFM 的使用，再阐述对现有数据的思考。 以 YouTube 的经典 NN 为开端（如图 3，引用自相应论文），现有的数据下如何去使用 DNN 达 到收益正是我们所考虑的。在现有的特征中除了上文提到的二分类特征，embedding 相似性等 入到模型的 dense feature 部分，然而实验证明并没有想当然的好 , 甚至产生了负作用。但至 少证明了特征交叉能带来收益，至于 graph embedding 的加入为啥效果不好却是值得思考和 探索的问题。 经过上面的探索我们获取了一些经验，例如交叉特征有用，用 embedding 产生的向量两两相似 性计算对树模型有用，因此我们本着上面积累的经验进行了人工构建交叉特征作为 xgboost

Model）通过引入“思考过程”来增强模 型在逻辑推理问题上的准确性和可解释性，已被广泛应用于各类大模型中。然而，由 于思考过程具有发散性和探索性，在回答风险提问时可能产生不安全内容。应对这一 挑战的方式是构建带思考过程的安全语料库 ：思考过程本身避免不安全的假设和推 演，并在面对恶意指令时，主动思考问题的意图并制定安全的回复策略。该方法有效 保证了推理模型的安全性，抵御了思考过程被恶意滥用的风险。 在语义理解与内容生成过程中始终遵循预设的安全规范与伦理要求，从而显著提升输 出内容的合规性与可信度。 （2）推理阶段引入安全反思模式有效纠正错误。通义千问 3（Qwen3）在启用 Thinking 模式时，采用“先思考、后生成”的机制，显著提升复杂任务的求解能力。 内容安全在线防护 针对越狱攻击等对抗性行为，系统通过引入多维度的安全反思，在推理过程中对用户 意图进行多角度分析，有效识别潜在安全风险，并依据预设的安全准则生成响应策略，

中国：人工智能系列 白皮书｜2025/05 AI赋能BI的核心功能分析 AI赋能BI通过自动化数据处理提高效率，减轻数据分析师的重复性工作负 担，同时通过智能决策支持帮助企业进行战略性决策，推动高附加值的 思考和资源优化，从而提升整体运营效益 人工智能与商业智能发展现状——AI赋能BI的核心功能 来源：头豹研究院 ◼ 自动化数据处理与分析是AI赋能BI的基础功能 AI通过自动化技术实现数据拉取、清 AI通过整合多源数据并提供深层洞察，赋能企业进行战略性决策，帮助识别市场趋 势、优化资源配置。对话中指出，“数据分析师能在这个系统给的方案之上，再做出 更复杂的一些思维和思考”，这表明AI不仅是数据处理工具，更是战略合作伙伴，能 够让分析师将更多精力投入到高附加值的战略性思考中。 对话式应用 对话式数据查询 需求 分析 多轮 问答 对话式数据查询 思路拆解 数据查询 异常检测 报告生成 趋势预测 归因分析 尽管降本是ABI产品短期吸引力的关键，但其长期增长潜力在于对数据分析师的提效 赋能，而非单纯的替代。ABI系统能够自动化完成基础的数据处理工作，使得数据分 析师可以在系统提供的方案基础上，进行更复杂的分析与战略思考。这意味着，ABI 并非完全取代人工，而是将分析师从繁琐的重复性工作中解放出来，让其将精力集 中在更具战略性和高附加值的任务上，如战略决策和跨团队协作。这种提效不仅提 升了数据分析师的工作满意度（例

数字化的定义，不单单是技术视角0和1二进制数字的定义，关键的是映射到社会现实中，所代表着的实际的延伸含义， 这称之为“数字化意义”，例如客户体验、交互方式、检测诊断、即时在线等。 数字化的意义，是一个大话题，值得规划者深入思考。只有清晰全面的了解这些数字化意义，才能够正确的理解数字化 转型，从而指导组织与企业，在重新审视本单位价值链构成时，明确在哪些环节进行数字化转型。 什么是 数字化转型 前一章节已经讨论了数字化转型的原因，可对数 奇、特色、时尚、便宜、好用、易用、快捷......等等一系 列综合性指标，谁能将客户体验做到极致，谁将赢得竞争 的最佳条件。 创新至上。如何应用数字化技术来包装和创新产品和服 务，是每个数字化时代的企业都需要思考的问题。数字化 时代我们总喜欢说跨界，事实上，在数字化时代界限从来 都没有存在过，传统思维下，隔行如隔山，那是因为行业 之外的人进入行业需要付出的成本远远高于收益，外行没 有进入的动机。数字化时代，无论资源、人才还是信息，

情怀， 提升自我认知能力，培养社会责任感，树立高尚品质和 健康人格，使之善于思考、有价值追求、具备良好的心 理和身体素质。提高认识世界能力，熟悉掌握自然科学 原理、人文素养基础，树立正确的人生观、世界观、价 值观，成为德智体美劳全面发展的高素质人才。 培育智能时代的高阶思维。培养学生善于观察、 独立思考和理性判断，以及勇于创新和解决复杂问题 的能力。培育创新思维，强化科技教育和人文教育协

，数据处理 ，知识库投喂 ， 基于大模型数据分析、数据挖掘、模型 调优过 程设计 ，智能问答后输出报告格式标准设计。 二是智能问答 ， 以 GIS 产品智能问答为示例 ，结合 Deepseek 深度思考及推理特点 ，包括提示词设计 ，提示词优 化， 报告生成或推理结果输出。 场景二： 供应链商情分析报告智能生成

团队提供基于强化学习的战略沙盘。 当我们服务的世界 500 强企业开始用 AI 董事会辅助决策时，一个崭新的管理纪元到来了。 本白皮书呈现的不仅是技术路线图，更是面向未来的管理哲学。在此，我们邀请所有管理者共同思考：当 AI 能 比人类更精准地捕捉组织运行的暗物质，当算法比经验更可靠地预测战略选择的蝴蝶效应，管理的终极价值将 向何处演进？答案或许就藏在接下来的内容中——在这里，每个管理命题都将获得智能时代的最优解，每家企 统大模型的 " 黑盒生成 " 模式不同， DeepSeek 以低成本、开创性地实现了推理过程的可视化追溯。通过思维链（Chain-of-Thought）的完整呈现， 决策者可以清晰洞察 AI 的思考路径：从问题解析、知识调用到逻辑推演的全过程透明可见。这种 " 白盒化 " 设 计不仅使技术专家能够验证算法可靠性，更让业务管理者直观理解结论生成逻辑进行判断，有效解决了传统 AI 决策中 " 知其然不知其所以然 将基于数据驱动分析，帮助整 智能体 AI AGENT 感知 = 决策 行动 语音识别 Text-to-X 图像识别 文本转语音 数字人生成 大语言模型 向量数据库 交互入口 感知、思考、行动 记忆 听觉 书写 视觉 说话 大脑皮层 海马体 问答机器人 全自动工作流 静态知识库 记 忆 42 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0

于：许多组织尚未转向新的 学习方式，以配合其新的工作模式。 挑战 3：传统技能培养模式必须革新，以支撑 AI 驱动的业务增长 AI应用的加速从根本上对传统劳动力培养方式提出了挑战，要求组织重新思考如何应对技能需求 与变革管理。在IDC近期《ICT职业与技能调查》中，当被问及组织在跟上IT技能需求方面面临的 主要挑战时，近半数 (49%) 的受访者指出，教育项目与业务需求之间存在脱节。而在《全球 领导力与创造力等人本技能依然不可或缺⸺约70%的企业认可这些能力的长期价值。这种“技 术熟练度+人本能力”的组合，正日益成为企业提升竞争力与生存能力的核心要素。 对企业而言，这些变化迫使其重新思考人才战略、人才配置与组织模式。在技能提升与转型培训 方面走在前列的企业，更有能力提升生产力、敏捷性与创新力；若无法适应变革，则可能在快速 演变的市场中落后。当前最紧迫的挑战仍是技能缺口⸺63%的雇主提及这一问题（来源：世界 30年，ICT岗位 需求将新增3600万，总量达9700万，给企业带来人才使用挑战。急于应用智能技术的企业不仅面 临熟练员工的短缺问题，还迫切需要在现有团队中培养新能力。在此背景下，企业必须重新思考 人才管理、组织学习与数字战略构建的方式。 表 2：各地区新兴ICT与AI人才需求（2025-2030年） 数据来源： 世界经济论坛《2025年未来就业报告》、猎聘大数据研究院、智联招聘、第

https://arxiv.org/abs/22 05.01068 [7] GPT-4「炼丹」指南：MoE、参数量、训练成本和推理的秘密. (2023) [8] Ali cloud. 大模型训练稳定性思考和实践. (2024) [9] IEEE. IEEE Standard for Ethernet. (2022). https://www.ieee802.org/3/ [10] AI 大模型学习

Unauthorized reproduction prohibited. Source: Omdia 运营商向科技公司的转型及挑战 随着连接业务收入增长陷于停滞，全球运营商普遍开始思考和探索业务转型的方向与路径。 Omdia 在其研究报告迈向 2030 年：电信服务提供商的新身份中指出了运营商面向 2030 年 代的三种转型路径和角色定位。 Figure 2: 运营商面向