6月5日,第九届人本中国论坛在京举行,本次论坛由中国人力资源开发研究会主办。中国人力资源开发研究会会长、国家发改委原秘书长李朴民、中国著名企业管理专家彭剑锋、中国人民大学劳动人事学院院长杨伟国、用友网络科技股份有限公司副总裁张月强、中核建董事、党委副书记王计平、吉利集团副总裁魏梅、苏宁易购IT总部执行总裁、宝丰集团副总裁沙梅等发精彩演讲。
本次论坛围绕人才机制改革、人才发展创新、人才队伍建设、人才活力激发等方面的理论与实践、举措与建议进行讨论与交流,以着力推动人才开发机制创新,助力构建新发展各局,更好地为经济社会发展提供强有力的人才保障和智力支撑。
同时为推动中国人力资源开发与管理事业的发展和进步,本次论坛重点表彰了在人力资源开发与管理、人力资源数字化转型方面成绩优异的企业。经过公开征集、筛选、人力资源开发研究会专家委员会的专业评审,用友荣获“优秀人力资源数字化转型供应商”大奖,用友客户“华润雪花啤酒(中国)有限公司”、“山东省商业集团有限公司”获得“企业人力资源开发与管理优秀企业”称号。
用友荣获“优秀人力资源数字化转型供应商”大奖
华润雪花啤酒(中国)有限公司荣获“企业人力资源开发与管理优秀企业”奖
由“管理”到“支持”、由“被动”到“主动”
华润雪花人力共享转型与智能服务升级实践主要体现为:
山东省商业集团有限公司荣获“企业人力资源开发与管理优秀企业”奖
科技赋能与人力资源管理创新为鲁商集团带来四大方面价值:
人力资源数智化转型在后疫情时代,为企业赢得竞争的底层能力,提升战略应变和数字化实战能力,成就智慧企业。
加快数据采集,即时汇集、整理和分析数据,有效利用数据,建立价值闭环,提升给予人力数据进行科学决策并产生等“数据决策力”。
人力资源数智化转型可以利用科技的力量推进管理的创新,从而服从、服务于集团“创新年”各项工作部署。用数字化的表述,实时清晰展现人员结构、学历层次、人才需求等情况,同时从业务特点、精神状态等方面“画像”,以实现工作创新。
全方位升级规范人力资源管理,创新工作方式方法,提高日常工作效率,实现数据实时分析、业务流程系统化,进而推动企业业务创新、管理变革,助力鲁商实现“拥有创新特质、植入改革基因、插上资本翅膀、实施全员激励、打造现代企业”的目标。
用友DHR凭借领先的数智人力产品与解决方案,已帮助6000余家(世界500强企业36家,中国500强企业159家)大中型企业客户推进了人力资源管理数智化转型。在全集团统建数字人力平台的70余家央企中,用友占据了其中三分之一的份额,超过第二、三名总和,在大中型客户群中占据了绝对领先的市场地位。中国海洋石油集团、中国航发集团、国家石油天然气管网集团、中国国际航空公司、南方航空公司、中国诚通集团、南水北调、雪花啤酒等大型国有企业均选择用友,共同探索人力资源管理数智化创新,建立数字商业时代的核心竞争力!
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。