6月2日,国内HR SaaS企业Moka在上线核心人事产品Moka People 三年之后,进一步披露了该产品的最新进展以及差异化特色:
人力资源数字化已经成为企业高效经营的必选项。HR SaaS的发展经历了多个阶段,从单模块提效工具阶段,到全模块一体化管理阶段,再到当下的人力资源管理赋能业务发展的数智化升级阶段,对供应商提出了更高的要求。Moka作为这一赛道的亲历者,从招聘模块入局,延展到一体化人力资源管理,Moka提供了更具差异化特点的解决方案。
Moka People产品负责人、首席方案专家冷雪梅表示:人力资源数字化已经成为企业高效经营的必选项。HR SaaS的发展经历了多个阶段,从单模块提效工具阶段,到全模块一体化管理阶段,再到当下的人力资源管理赋能业务发展的数智化升级阶段,对供应商提出了更高的要求。Moka作为这一赛道的亲历者,从招聘模块入局,延展到一体化人力资源管理,Moka提供了更具差异化特点的解决方案。
冷雪梅强调,在企业数字化转型的众多实践中,人力资源领域无疑是一个特殊的存在。因为它既可以解决HR团队从效率提升到效能提升的转换。也能在过程中为企业内的所有员工、群体,提供一个围绕企业战略分解,至工作达成,再到激励保留的完整链路,HR几乎每天都在围绕着生产者来提供数字化的能力。
因此,对于人力资源转型升级而言,数字化和体验密不可分,只有企业从员工视角来提供价值、增强反馈与交互,数字化的能力才能更好的发挥它的作用。Moka一直力图打造全员体验更好的HR SaaS产品,基于对行业的深刻观察以及与合作伙伴的持续交流,Moka也在逐步加深 一体化战略布局,围绕管理者、HR、员工,并以管理者视角为核心,围绕可靠性、效率性、协同性、愉悦度和创新性五大体验优势维度,从产品到服务全面提升系统价值体验。
重视管理者视角体验是Moka People与同类型产品的差异化优势之一,并且People产品与招聘业务实现了流程到数据的全对接,企业可通过目标通晒和对齐、目标过程管理、绩效结果校准和薪酬激励、管理者面板、我的团队及员工概览等功能,帮助企业管理者实现公司管理闭环与人才管理闭环两大管理路径的完善,确保公司战略落地执行,结果评估公正客观,也能让管理者更好的识别优质人才及状态,适时做出有效管理动作。
具体来说,管理者可以随要随取员工信息,提高决策效率,通过对公司人员基本信息、入离职和人员变化、人员效率的分析&可视化呈现,赋能管理者组织管理的决策,让管理者管得更全面;团队信息快速查看,轻松识别和关注人才,通过对团队人员信息的了解,因才适岗,助力团队人才选拔,帮助管理者轻松掌握团队的日常管理,让管理者管得更轻松;赋能管理者,提升管理者的绩效评估质量,在绩效统计中支持绩效评估和校准,便于衡量和确保绩效的公正和规范,更利于人才培养,帮助团队成长,让管理者管得更有效;调薪流程优化&薪酬数据可视化,赋能决策及管理,提供调薪人员过往绩效等信息并横向对比,优化调薪流程和机制,更具灵活性和激励性,赋能调薪计划决策,让管理者管得更智慧。
与此同时,她还披露了Moka 在People产品线的业务布局与规划。Moka People希望聚焦服务于数百人至几千人的成长型企业,聚焦于在这些客群之中打磨自己的产品,不断接受一线HR及管理者的业务挑战。这些成长型企业有过从0-1的数字化基础,并关注长期价值产出。Moka People能够帮助这些企业的SSC与BP人员的工作效能大幅提升,用轻量型的产品组合,帮助企业从人力管理到企业治理与长效发展。
在分享结束前,冷雪梅女士还透露了Moka将于6月28日在京举办夏季产品发布会,届时Moka将发布面向AGI时代的重磅GPT产品和权威AI&HR行业白皮书,现场会有多位人力资源及人工智能行业专家、企业高管提供前瞻思考与经验分享。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。