新创 - HRTechChina.com - 向上的力量！

新创

“云食堂”创业公司Feedr筹集了150万英镑，为办公室工作人员提供更健康的午餐 Feedr是一家食品科技创业公司，为办公室工作人员提供健康和个性化的餐饮服务，作为公司建立自己的食堂的替代方案，在A系列之前的资金筹措中获得了超过150万英镑的资金。此轮融资由伦敦早期风险投资公司Episode 1领导。参与的还有Brent Hoberman的创始人工厂和天使投资人Errol Damelin（Wonga创始人和着名的金融科技投资人），Richard Glynn（前Ladbrokes首席执行官和Alinsky Partners的创始人）和David Pritchard（OpenTable Europe的创始人）。由Riya Grover和Lyz Swanton于2016年推出，Feedr 将自己描述为“智能午餐平台”或“云食堂”。该创业公司主要经营一个双边市场，将健康食品供应商与公司的办公室工作人员连接起来，此外还安排交付。要做到这一点，Feedr每天都会发布一个“独特的旋转菜单”，并要求工人在上午10:30之前选择他们想吃的东西。然后汇集这些订单并将其发送给与其合作的食品供应商，这些供应商主要是工匠和独立食品生产商，准备在午餐时间交货。 Feedr背后的技术处理物流计划，包括预测和帮助管理特定供应商提供的每餐的需求。基于个人客户的偏好及其订单历史，还非常强调个性化推荐。食品供应商包括Deliciously Ella，Farmstand，We Grill，Potage和Maple＆Fitz。Feedr与许多分包平台合作进行交付。在一次电话会议中，Feedr首席执行官Riya Grover告诉我，食品科技创业公司迄今为止主要采用B2B2C战略，直接与希望提供自己的“云食堂”的公司合作，作为向员工提供的福利，并作为员工健康的一部分战略。这可以看出每个注册Feedr的公司会补贴菜单上的物品成本，这样工人每天可以获得5英镑以下的新鲜健康午餐，或者完全支付费用。迄今为止，Feedr已为400多家公司的员工提供食品，包括Airbnb，Etsy，DHL和普华永道。 Grover还谈到了Feedr的技术，她说这可以实现“动态菜单构建”，她将其比作Netflix的食物。当员工选择用餐时，Feed会将这些选择反馈给其算法，以便在未来创建更加数据通知的菜单。换句话说，更多员工使用Feedr时菜单选择变得更加个性化。更广泛地说，Grover说Feedr的目标是迎合三种趋势：按需提供食物，由Deliveroo和Uber Eats等人开创; 员工福祉是公司招聘，保留和更广泛的人力资源战略的一部分; 以及消费者越来越习惯于更多选择和更健康的选择的方式。与此同时，据我所知，Feedr将利用融资来投资其技术，以改善在线用户体验，扩大健康膳食的选择范围，并构建支持个性化的机器学习。该公司还计划增加其销售队伍并扩展到伦敦以外的地区。 Episode 1 Ventures的合伙人Damien Lane补充道：“Feedr的强大品牌价值通过提高成分质量，手工生产者，食品来源以及食品消费对健康的影响，提高了有意识消费者的兴趣。该团队带来了令人难以置信的执行技能，热衷于塑造更健康的未来。“ 以上由AI翻译完成，仅供参考。原文链接

新创
2018年11月21日
新创

高顿财经教育获8亿元C轮融资，未来要做财经教育生态，高瓴资本与摩根士丹利联合领投来自芥末堆 11月19日讯财经教育机构高顿集团近日宣布，获得8亿元C轮融资。本轮融资由高瓴资本与摩根士丹利联合领投，涌铧投资、嘉御基金跟投，将主要用于构建国际化终身财经教育生态，并加强在人工智能、大数据、云计算等科技领域的投入。成立之初，高顿以To B业务起家。经过十几年的发展，高顿深耕财经教育领域，在To B业务的基础上，开拓To C市场。目前高顿旗下拥有B2B(高顿财税学院)、B2C(高顿财经、高顿网校)两大事业群和七大事业部。据了解，高顿曾于2014年A轮获得新东方战略投资，2015年B轮引入前程无忧战略投资。目前高顿以陆续开设的40多家分公司和20多所分校，为50,000多家企业提供财务能力提升解决方案，实现针对个人财经资格认证及企业财税咨询培训的行业全覆盖。同时，高顿还在基于自身构建的财经知识图谱和积累的用户学习数据，探索如何使用大数据和教育科技为教育赋能。事实上，自适应系统一直都是高顿的重点业务布局之一。在GET2017上，高顿教育联合创始人吴江华表示，人工智能带来了整个教育思维核心的转变，以用户为中心，在大数据的驱动下，因材施教有了更多可能。他认为教育行业的三个痛点在于，个性化的需求越来越强烈，但供给还不足。因为教育的特性，整个行业重服务，不管做到多大规模边际成本始终无法下降。还有教育产品标准化不够。这些痛点在吴江华看来，逐渐成熟的技术是可以改善的。芥末堆曾报道过，此前高顿教育集团推出CPA个性化辅导品牌VIPCPA，以人工智能自适应学习产品+学习过程管理服务模型，为学员提供1对1的个性化辅导，提高CPA考生学习效率。 51JOB减持了一部分股票，出售上海高顿教育培训有限公司股份所获得的6110万元(约合890万美元)收益；截至2018年9月30日，前程无忧持有的高顿教育股份从15.0%降至12.7%；

新创
2018年11月19日
新创

深圳首次出台人力资源服务扶持政策，补助都是百万起。要做强人力资源服务业至千亿深圳人社局消息：首部人力资源服务业专项扶持政策出台由深圳市人力资源和社会保障局联合市发改委、财委联合印发的《深圳市关于加快发展人力资源服务业的若干措施》（以下简称《措施》）将于11月1日起实施，这是深圳出台的首部人力资源服务业的专项扶持政策，有利于激发行业发展新动力，推动行业加快发展；有利于完善市场化人才服务体系，推动人才工作。新政中，深圳更是大手笔，真金白银给出各种奖励及补贴政策，各类落户奖励、上榜奖励、开园资助、租房补助，不胜枚举，都是百万起，最高奖励可达1000万元…… 现在，就来看看有哪些大手笔的真金白银的奖励政策吧 👇👇👇 引进知名机构落户奖励最高1000万元积极引进国（境）内外知名人力资源服务机构，对世界500强企业、中国500强企业、中国服务业500强企业的人力资源服务机构总部迁入本市的，经报市政府审定，分别给予1000万元、800万元、500万元落户奖励。对世界500强企业、中国500强企业、中国服务业500强企业的人力资源服务机构在本市设立具有独立法人资格的分支机构，持续经营3年（含）以上的，根据其上一年度纳入本市统计核算的产值规模及形成地方财力，分别给予500万元、300万元、200万元奖励。培育本土品牌首次上榜最高奖励1000万元首次上榜中国500强企业、中国服务业500强企业的人力资源服务机构，分别给予1000万元、500万元奖励；对新获得国家驰名商标的机构给予100万元奖励；对新获得省著名商标的机构给予50万元奖励。本市人力资源服务机构在海外市场或沪深证券交易所上市、全国中小企业股份转让系统(新三板)挂牌的，分别给予200万元、100万元奖励。鼓励招才引智引进高端人才最高奖励300万元鼓励人力资源服务机构引进深圳经济社会发展急需的、紧缺的高端人才。人力资源服务机构推荐引进人才的，根据“人才伯乐奖”规定，经评估可给予最高300万元奖励等。推动产业集聚一次性开园资助最高500万元对经批准认定的国家、省和市级人力资源服务产业园分别给予500万、300万、200万元的一次性开园资助，获得高一级认定的可按照相应标准补齐差额。国家、省和市级人力资源服务产业园运营之日起5年内，每年分别给予100万元、50万元、30万元的运营补贴，主要用于园区的公共服务平台、基础设施设备投入、信息化建设、运营管理、宣传推介、入驻机构场租减免等支出。支持创新创业租房补助最高不超过100万元本市新设立的人力资源服务机构租赁自用办公用房（不包括附属和配套用房），可享受租金的50%连续最长不超过12个月租房补助，实际租赁价格高于市场指导价的，按市场指导价计算租房补助，最高补助不超过100万元。人力资源服务机构入驻人力资源服务产业园，可享受期限连续最长不超过48个月的场地租金补贴或减免。加强人才培养定期选派人员学习培养定期选派人力资源服务机构的中高级管理人员到国（境）内外高等院校或研究机构、知名人力资源服务机构学习培养，大力培育人力资源服务行业的领军、后备人才和职业经理人。依托国（境）内外高等院校、职业院校、社会培训机构及企业，建立人力资源服务培训基地，加强人力资源服务业技能型人才培训、从业人员岗位培训。发展目标2022年总产值达1000亿元为推动深圳人力资源服务业快速发展，《措施》提出，力争到2022年，全市人力资源服务机构数量达到1000家左右，总产值达到1000亿元；培育10家年产值30亿至50亿元的人力资源服务龙头骨干企业，引进50家国（境）内外高端知名人力资源服务机构，发展50家以上有特色、有潜力、成长性好的人力资源服务机构。建立全市“一园多区”的国家级人力资源服务产业园，孵化成功全国领先的人力资源服务在线交易平台，成为全国人力资源服务业的技术创新中心、资讯中心、研究智库和高端会议展览聚集地。

新创
2018年10月30日
新创

给自己植入芯片你愿意吗？人类来到了智能时代吗？--YY董事长今天宣布在自己体内植入芯片据最新消息，为李学凌“植入芯片”的，是一家名为Airdoc人工智能医疗创业公司。 “这个设备是雅培的，”Airdoc公司高管表示，“这只是我们提供的一套解决方案中的一部分。所有FDA、CFDA审批过的三高和痛风传感器我们都支持。” 什么意思？据介绍，Airdoc正在构建一整套的慢病管理与健康监控的解决方案，通过相关的医疗传感器，比如上面提到的雅培血糖监测传感器，来获取人体相关的健康指标。然后，再通过人工智能算法，挖掘这些数据与人们饮食运动的关系，为用户提供一些饮食运动方面的建议，来帮助用户进行疾病/生活方式管理。 Airdoc创始人兼CEO张大磊进一步解释说：咱们是基于用户角度，帮每一个人建立饮食和血糖血压痛风之间的完全个性化模型，告诉每个人该怎么吃(每一个人基因和肠道菌群都不一样对营养元素吸收都不一样)。通过个性化模型调整饮食直接控制当前用户的三高和痛风，过去一年多咱们做的临床试验出组后一定比例的三高用户就不再需要那么多药物，只要遵循他自己的个性化饮食指导就可以。探针部分不重要，各个厂家的都可以。所以咱们这个和其他监测探针的关系就是雅虎门户和今日头条的关系。 “这套系统，不仅仅能够给患者使用，身体健康的人也能使用，作为一个监控自己身体健康状况的工具挺好用的。”Airdoc公司高管表示。据说这也是一个内部孵化的项目。以下为新闻原始报道从朋友圈得知，10月22日，欢聚时代（YY）联合创始人、董事长兼CEO李学凌在朋友圈晒出身体植入芯片的经历，并表示这样可以“更好地了解自己”。李学凌称，这是里程碑的一天，未来会有更多的人在身体里植入芯片。感谢LMS提供朋友圈图片。实际上医用芯片植入体内监测生命体征的案例并不罕见，人工智能与医疗的成功结合也在不断振奋人心。当然，另一方面，不仅国内对可植入人体芯片的新闻反响剧烈，早在去年，可植入芯片就曾成为全球性头条新闻。当时瑞典科技公司Epicentre让员工自愿选择用可植入芯片代替刷卡。紧随其后美国威斯康辛州的一家科技公司Three Square Market也推出了这一举措。这两起事件同样引起了人们的担忧，很多人担心这些芯片可能让员工被跟踪，或让公司能掌握他们的工作效率，如能够记录他们一天使用了多少次卫生间。但是据相关人士称，这更多的是科幻小说的描述，而不是真正的隐私风险。这种芯片有可能被用来追踪去卫生间的次数，但只有在员工要求刷卡进入卫生间的时候才会出现这种情况，这种功能也可以通过普通的刷卡来进行追踪。目前这些公司所植入人体的微芯片，并不比最近20多年来在大多数家庭宠物的脖子上植入的芯片复杂得多，它更多地是利用一种近场通信（英语：Near-field communication，NFC）技术，又称近距离无线通信，是一套通信协议，让两个电子设备（其中一个通常是移动设备，例如智能手机、植入人体的芯片）在相距几厘米之内进行通信。植入的RFID芯片与标准办公钥匙扣或交通卡上的RFID芯片没有什么不同，它只是为客户提供了一个独特的标识符而已，芯片可以在靠近门或付费点的扫描仪上读取信息。虽然植入皮肤中是一种方法，但现有的可穿戴式产品（如NFC 戒指）完全可以替代。不过，开发人员正在开发更多人体芯片的应用场景，相关法律也在逐步完善。而人们在科幻电影中见到的“超级人类”实际上还有待进一步开发研究，例如脑芯片。Kernel是一家探索如何将芯片植入大脑的公司，它的创建者Bryan Johnson在2017年里斯本的网络论坛上称，Kernel公司第一步想要设计出能够帮助人类对抗疾病的芯片，而且希望未来能够借助芯片让人类大脑获得超人般的能力。同时他还在Johnson在网络论坛上称：“我预计在大约15到20年时间里，我们将打造出足够强大的大脑工具，找到所有问题的答案。比如说，人类能否拥有完美记忆？能否删除记忆？能否加快学习速度？能否实现脑对脑交流？设想一下，如果你想要体验18世纪的美国西部牛仔生活，你只需在大脑中创造一段经历。” 墨尔本大学工程学院计算与信息系统系的研究员赫夫南（Kayla Heffernan）认为，植入芯片之所以还没有被人们普遍接受，归根结底是个“先有鸡还是先有蛋的悖论”。“人们不理解芯片的作用，因为芯片的用途还不够广泛，用的还不够多；但是有因为市场还不存在，所以设备的使用率还非常低。” 相信随着市场、世界的改变，人们对于植入芯片的接受度会大大提高，届时对于风险隐患与受益度的衡量也不再是以我们目前的眼光。未来，绝对是人+芯片的超级人类世界，唯有通过科技增强生存能力，主动进化。相关阅读：你能让你的老板把芯片放在你身上吗？-少数员工同意皮下植入但这个想法正在蔓延我们终将成为芯片人

新创
2018年10月22日
新创

“隐身”两年后，谷歌前前HRVP公布其新的创业公司文/Simone Stolzoff Laszlo Bock是HR世界里的摇滚明星。在谷歌——一家在“最佳工作场所”名单上常年受到追捧的公司，他管理人力资源达十年之久；之后他写下了《重新定义团队：谷歌如何工作》成为《纽约时报》(New York Times)打造企业文化的畅销书；然后，他创办了自己的公司Humu。在两年的大部分时间里，Humu 以隐身模式运作。尽管该公司很少错过讨论其使命的机会——“推动人们每天都做最好的自己”——但它几乎没有提供公司实际行动的细节，甚至在5月份宣布已筹集4000万美元风险投资后也是如此。近日，秘密终于揭晓了。在一篇博客文章中，Bock描述了Humu的旗舰产品——Nudge Engine。这是一款使用行为科学和机器学习的应用程序，可以在整个工作日为员工提供个性化的“轻推”服务。“轻推”可以简单地提醒您要感谢一位做得很好的同事，或者在会议期间征求一位比较安静的团队成员的意见。虽然“轻推”这个词可能有一种柔和的含义，但是Humu技术的基础理论来自于硬科学。去年，Richard Thaler教授因其对“ 轻推理论 ”(nudge theory)的研究获得了诺贝尔经济学奖，他的研究证明了小的提示对人们的行为有很大的影响。 “员工之间每天要进行数百万次的交流，从开会到评估，再到开门，不一而足，”Bock说。“在Humu，我们相信每个人都可以尽自己的努力来改变每一个人。” 一个温暖而模糊的推送通知平台可能看起来不像是强大商业模式的基础，但员工敬业度是一门难以追踪和衡量的黑暗艺术之一。工作效率、员工留存和员工士气都与员工在工作中的感受直接相关。 Humu适合更大的教练网络趋势，在这个趋势中，公司实施人工智能工具来指导员工的整个工作日。 Chorus为销售人员提供实时反馈。Textio 让招聘经理知道在他们的岗位上使用的最佳语言。虽然技术肯定可以帮助人力资源，销售经理和文案编辑的工作，但办公室文化最终都是由人类塑造的。员工们是否会感到被迫遵守机器驱动的建议，最终取决于他们。以上为AI翻译，观点仅供参考。原文链接：After two years in stealth mode, the former head of HR at Google reveals his new startup

新创
2018年10月10日

新创

e成科技首席科学家陈鸿博士：面试机器人的未来是星辰大海为大家带来一份科技感十足的干货——e成科技首席科学家陈鸿博士在7月27日2018招聘科技论坛上的演讲，深度解析招聘领域时下最热门的AI面试机器人背后的“黑科技”原理。在上周五HR Tech China主办的2018招聘科技论坛上，e成科技首席科学家陈鸿博士亮相带着e成科技的“黑科技”招聘产品Chatbot面试机器人亮相，并发表了题为“机器人的识人之明——e成在面试机器人场景的探索”的演讲，为在座来宾科普了e成Chatbot面试机器人的科技内核和工作原理，惊艳四座，反响热烈。以下内容根据陈鸿博士2018招聘科技论坛现场演讲整理：各位嘉宾大家好，我在e成科技负责数据和算法。今天我跟大家分享的是聊天机器人可能要在面试中开始使用了。第一，我们会讲一下面试机器人为什么不仅仅是一个聊天机器人，面试是一个很特殊的场景。第二，是我们的技术内核，就是知识图谱，这个聊天机器人不是一无所知的，需要有很多的知识才能面对挑战。第三，我会讲一些会话和分析的事情，这个直接决定了面试过程能否流畅，像人一样自主的展开。接下来是神经网络的一些技术细节，我会尽量用一些比较生动的例子让大家理解这个网络是如何可靠的。最后展望一下面试机器人后续会怎么样。 1、面试机器人不仅仅又是一个聊天机器人事实上，我们说到HR的工作可能有很多的理论模型，三支柱模型，钻石模型这些，但是HR的工作离不开两点，一个是做关于人的决策，一个是要做关于人的沟通。AI在赋能HR的时候，其实在这两点上都有贡献。首先，我们可以通过AI让关于人的决策变的更加明智，其次，AI可以让沟通工作变的更加高效，面试机器人就是AI让沟通变的更加高效的第一步。说到面试，它和普通的聊天不一样，这里列出了一些区别，大家其实平时用微软小冰或者苹果的SIRI都用的挺多了，但是面试跟这个有挺大区别，人聊天是很放松的事情，但是去参加面试很紧张，因为面试官在主导这个对话，面试官是一个会话角色，意味着在面试过程中，面试机器人首先要主导这个对话，然后经过多轮的对话才能最终完成，最终还要给候选人一个评价，这和普通的聊天不一样，聊天完了以后那是消费者给你客服一个评价，面试完了以后是由面试机器人给候选人一个评价，过滤出合适的候选人进入下一个轮次，这个是很不一样的。 2、基于人才知识图谱的动态会话决策你要想让面试机器人能够正常工作，它会和一般聊天不同的是，它要基于一个人才知识图谱，区别于普通的聊天机器人公司，市场上有很多的伙伴在研发这些技术，我们的区别是什么呢？他们更像是让一个人类的宝宝从小到大，越长越大以后，对话越来越流利，但是我们e成做一个面试机器人，就像一个外国专家要开始学用汉语说话，专家肚子里面有很多的知识，但之前不会说中国话，现在要学习怎么说出来。在每一个面试场景面试官都需要具备很多的知识，因此需要让这个机器人面试官具有这些领域知识，不能一无所知去做这个工作。当面试机器人底层有了知识图谱的知识支撑就不同了，首先，机器人面试官可以基于知识图谱定制对话的目标，其次，知识图谱还能让面试机器人做出动态会话决策，最后，知识图谱构成会话进行的算法机制的一部分。我们来分开看一下，我们都知道面试在正常情况下是一轮一轮进行的，每一轮面试都有自己独特的目标，技术面的时候，评估候选人的技术水平，直属领导在面试的时候，他是来评估这个人是否适合这个岗位的，如果是CIT面试只考核你的沟通能力和软性素质，如果是HRD或者老板最后终面，那就是评估候选人的价值观和动机，对于面试机器人来讲需要在不同的场景下定制自己的目标，这是一个比较高的要求，因为面试场景变化很大，在不同行业、不同公司，面试不同职能的人，考核候选人的点是不一样的，你需要为各种各样的岗位确定这个目标，也就是面试机器人需要一个设置面试评估目标优先级的灵活方案。这个优先级是指什么呢？就是人有很多不同的属性，里面也会列出自己的需求，但这个里面不是所有的东西都是眉毛胡子一把抓，你如果没有优先级的话，对话发展起来就会一片混乱，优先级的设置挺重要的。 3、面试场景的会话结构分析下一页是讲在图谱的知识下，可以让这个机器人来灵活规划会话的流程，现在的多轮会话机器人，如果在座有做这个技术的应该了解，业界现状一般是用Pipeline来设置这个过程，每个对话节点设置自己的条件，在符合条件的时候让这个对话进入下一个节点，多轮对话所有的节点就构成一个Pipeline的框架，但这个轮次非常多，因为要问很多的问题。整体框架也会因此非常难以维护。所以我们是让机器人面试官基于知识图谱动态推演出整个面试的会话流程。举一个例子，现在机器人面试官的面试目标是要招一个工程师，它就要确认这个工程师的技术水平是否适合来进行研发，候选人介绍说，“我当时在组里设计开发Chatbot的语义理解、实体识别、多轮对话等核心算法。”那么机器人的知识图谱里有语义理解，实体识别，多轮对话的相关知识，知道这些都是开发Chatbot的相关技能，那么机器人就可以抓住其中一个点，把这个对话深入展开下去，比如说，机器人可以抓住“多轮对话”接着问：能具体介绍一下你采用的多轮对话策略吗？这样整个过程就比较流畅，像人的面试，依赖预定义逻辑是无法做到的。把知识图谱作为一个底层的知识以后，这些实体都已经嵌入了一个语义空间，被向量化了，使得我们可以得到整个对话在进入机器学习模型的时候能够给这些文本编码为合理的向量，否则依然停留在词语和关健词的级别，那么你依靠字符匹配做对话机器人就必然会陷入困境，大家可能玩SIRI的时候经常体验到这一点，你用一句话跟Siri沟通，它好像还可以，换一个词就不懂了，因为它硬编码了那几个词或某个句型，它是记住了那个词，但没有映射到其他的近义词或等价表述上。而当我们要让机器人真正掌握一个概念和语义的时候，就意味着它把这个概念和语义向量化了，这样AI才可以自如的对会话中的意义进行计算。现在来说一下会话结构分析，你要想让聊天机器人或者说面试机器人说的更加接近于人，他需要对会话过程有理解，我们说面试是一场比较严肃的会话，这个会话是有一些规矩的，我们说一下里面有什么东西，这里是一些要点，话轮，邻接对和链接结构等等。话轮是一个很基础的概念，大家在说话的时候一般不会说一句话就结束了，你会需要连续说好几句，才能把你想说的话说完，这是一个话轮。因此句子不是会话的最小单位，话轮才是。这个话轮会转换，话轮有让步和夺取的操作，比如有时候你想抢话过来说，对方还在说的时候，你会抢过来，这是话轮夺取。这个取决于说话的双方谁更有支配，或者说两人的上下位关系。他是你的领导，他抢话你肯定让他接着说。现在在面试的时候，机器人是处于地位比较高的那一方，他是可以主动来夺取话轮的，这也是非常必要的，如果机器人还像在做客服机器人一样，傻傻听人类候选人一直在滔滔不绝，但人类候选人很可能已经偏离了主题，这个时候机器人面试官需要主动把话轮夺取过来，打断对方告诉他你现在说的已经和我问的问题没有关系了，这个话轮的夺取变成了比较关键的事情。在话轮切换的时候会产生相邻对的概念，就是属于两个不同说话人的相邻接的话轮，相邻对有不同的类型，例如：【问候-问候】类型，正常两个人见面互相问候，我说你吃过了吗？对方说，吃过了，你吃过了吗？或者【提问-回答】类型，就是常见的一问一答。还有【陈述-反应】的类型，你说天气很热，他反应我们去凉快地方呆着吧，还有【邀请-接受/拒绝】类型，邀请了以后可以接受也可以拒绝，上面这些相邻对的不同类型体现了不同的对话意图，通过对这些相邻对类型的分析，机器人就可以理解当前这个会话的意图是什么，意图有什么意义呢？其实会让会话变的自然很多。我这里举一个例子，同样给正反馈，但如果有不同的意图，就会有完全不同的对话。比如说你意图是表示在倾听，那你可能就会说“嗯”，“嗯嗯”，这是你在微信里面表示「我在听，你继续说」，这是不打断话轮的，如果你意图是表示理解，你说“知道”，“明白了“，这是一个肯定，它有一个概率会夺过话轮，有时候你表示认同，你说“是的”，这时候对于话轮转换是中立的，有时候你比较关注这个话题，你会部分重复对方的话，说明我对这个话题也感兴趣，这个时候你表示自己的支持立场，但是夺取话轮继续往下说。同样是表达正面的肯定立场，但是结合不同意图以后会有完全不一样的表达。我们在说话的时候，有时候感觉对方和我能够说的很流畅，有的时候这个人怎么都不接我的话茬，这个话茬就是邻接对之间存在的链接结构，我现在上面举了两个例子。一个是面试官在那里说，你那份工作的动力是什么？他说我不服输，我有条件不应该输给别人。动力这个词把上面和下面连起来，他问你动力是什么的时候，你回答了这么一句话，然后说这就是动力，有时候词语会发生变化，但是不要紧，通过这个意义的交点，把前后的相邻对连接在一起，使得这个主考官确认这个人是在回答我的问题，也是我们面试机器人能够了解候选人跟着我的话茬在走。通过这个链接的关系能够确认对话的焦点还在不在我的控制内。另一个例子是说你离开那个工作的时候留恋吗？他说不留恋，留恋就把这个对话给链接起来了，这个链接结构的机制使得机器人可以使整个对话变的更加合理。比如说他可以在候选人长篇大论的时候打断，也可以主动把自己的话跟对方的话连接起来，使得候选人更容易理解这个主考官在问什么。 4、增强学习和模仿学习的混合方案我现在到了比较困难的部分，我要强行给大家科普一下神经网络，这是增强学习和模仿学习，我应该会用比较通俗的比方尽量讲的清楚一点。先是看一下整体的结构：底层是一个图谱，图谱层里面有人才画像、岗位画像和评估目标，这些画像都落实成为一个个知识图谱，人才画像就是关于这个候选人是什么样子的各种属性连接起来的一个图，岗位是什么也是一个知识图谱，以及不同的面试其实有不同的评估目标，这个评估目标也体现为一个小的图谱，图谱层上面是会话层，我们刚刚提到的话轮分析、意图分析，就是通过对相邻对的评估去分析它的意图，还有链接分析，让这个对话变的更加流畅，最终我们实现的时候，到了网络层。我们往下看网络层的具体结构。这张图展示了一个对话处理的流程，候选人先问，“您对我的职业经历有什么评价？”他会经过一个话语的Encoder，注意上面有一个圈，这是上一轮的系统对话行为编码（图里标着K-1轮），这个编码里包括一个意图和对话的焦点，让系统知道对方是响应什么来说出这句话的，然后网络把当前对话状态输出到历史对话的跟踪队列，这是整个历史对话的记录，右边是知识图谱，经过知识图谱的检索以后产生了一个确认的结果，这些一起进入会话策略网络，产生了第K轮的对话行为，包括新的对话意图和焦点，会由一个自然语言生成器负责产生具体的句子，然后面试官会说好的，等等。我们对这个网络的训练采用了增强学习和模仿学习的混合方法，我先要科普一下什么是增强学习和模仿学习，大家可能有不少人听说过什么叫有监督学习，在这个场景下我们没有采用，为什么呢？因为有监督学习的样本标注工作量在做面试机器人的时候实在是太大了，我现在举一个例子，如果以学习驾驶为例，大家去驾校，我可以发给你一本手册，手册上面在所有路况的情况下你需要做出的反应，你见到马路是这样的，左边什么车、右边什么车，然后你要踩油门，什么情况你要换档，试想一下枚举了各种可能情况后你需要的手册有多少页？这是一个惊人的天文数字，因为你要罗列所有可能的组合。我们人类是怎么样做的呢？我们会去驾校，驾校的教练首先会让你看他开，他用实际操作来告诉你，你应该怎么开车，然后教练会让你自己开，他在边上，他来告诉你这么做不对，你要怎么做，看教练开和教练看你开，这分别对应着模仿学习和增强学习，你在看一个人怎么做你去模仿的话，其实可以快速得到很多正面的例子，你如果自己操作由其他人或者环境给你一个反馈，这称之为增强学习，谷歌的AlphaGo就是通过增强学习来得到这么好的效果。但是增强学习也没法完全包办所有的事情，因为他对正样本的覆盖太稀疏了，你没有办法让这个人在开的时候覆盖所有的情况，有一个教练在边上告诉你也很难覆盖各种可能性。比较正常的做法是你先看着教练开，模仿他，他再看着你，在关键时候点拨一下。我们采取了类似的策略，我们先让这个机器通过少量的样本预训练一下，然后模仿人类的教学，再收集人类的反馈增强学习，相当于你去驾校，需要先背一点基本的驾驶规则，交规手册，但那个是很少的，没有办法覆盖所有的开车情况，教练接着就会让你去模仿他，最后你快出师了，教练坐在你的边上给你一些关键的指点，这就是我们这个神经网络的学习方式。 5、面试机器人的未来最后简单说一下面试机器人的未来，刚刚分享了我们的工作就到这里为止，但这对于面试机器人来讲只是一个开始，它的未来还非常广大，我们正在做能够处理开放式问题的面试机器人，刚刚说到的那些都是封闭式问题，问题的答案是一个有明确边界的有限集合。但开放式问题不一样，它对应的答案没有边际。但也没法办法回避去处理开放式问题。你在问一个人软性能力的时候，你会希望他跟你分享一些故事的时候，都是你没办法去约束他的对话和边界，这些开放性的问题需要能够让机器人处理。我们先不说怎么让机器人理解一个故事，怎么让一个机器人知道一个故事说完了，他可以接着往下说，这件事情就很有挑战性，我们在听别人说一个故事的时候是能判断一个故事已经说完了，但怎么让机器人去判断故事说完了就是个问题。这个话题非常有意思，我希望在下次分享的时候可以跟大家分享这个方面的进展， e成会始终致力于人力资源行业的技术发展，谢谢大家！

新创
2018年08月06日
新创

Hired筹集了3000万美元，为公司招聘建立一条简单的订阅渠道来源 /techcrunch.com 文/Matthew Lynley 招聘是通过Hired和Triplebyte等公司进行数据科学改造的最新行业之一，但前者希望将其转变为与其他企业软件公司一样的订阅业务 - 并且已经筹集了一大笔资金来实现这一目标。 Hired看起来是两家公司和潜在候选人的一站式招聘点。这家初创公司会收集一些信息，比如基本的个人资料、对求职者想要找什么以及你的简历信息的一些想法，然后通过一系列后端算法和流程来处理这些信息，以便找出该候选人的最佳匹配职位。然后，它将这些候选人推荐给那些正在寻找大量候选人的公司的招聘经理，他们能够为那些拥有订阅业务的公司建立一种经常性的收入模式。今天，该公司还表示，它已经在Investment Management Corporation of Ontario牵头的新融资中筹集了3,000万美元。 “除了选择生活伴侣，选择工作地点是第二重要的决定” 首席执行官Mehul Patel说。“你把大部分时间都花在工作上，把所有的痛苦和欢乐都带回你的生活伴侣。”当你考虑招聘时，这是一个庞大的行业，对于公司来说，找到优秀人才是生死攸关的——但优秀人才已经相当困难。询问任何搜索工作的人是否工作得很好，你得到的答案一定是否定的。你很有可能在领英(LinkedIn)上获得了一些关于Hired的信息，但这都是绩效营销的一部分，该公司希望利用这些信息，让一群精力充沛的求职者进入这个平台。通过这样做，它不仅可以继续拥有稳定的候选人流，而且还可以收集越来越多关于哪些候选人可能是最佳人选的信息。例如，学校可能不是衡量未来成功的最佳指标，而Github账户上的追随者数量可能是衡量候选人表现的更好的晴雨表。这是一个非常直观的结果，但招聘经理可能不会主动跟踪，他们已经知道这是最好的方案。通过这种方式，Hired尝试缩短公司说需要一个候选人，然后让这个候选人真正被聘用的时间。想法是，招聘经理将能够发布一个职位 - 无论是新职位还是回填现有职位 - 并保持稳定的候选人流。帕特尔表示，该公司已经能够将这个门槛降低到25天左右，这是他们可以向投资者展示的一个数据点，以让他们相信该模式正在发挥作用。(该公司没有披露预订量，表示预订量同比增长了300%，这是一个很大的数字，但没有参考价值也没那么有用。) “我们看到数据的重要性不仅仅是为了推动结果——数据可以让你与其他公司进行比较，并确保你能更好地为任何公司招聘。” Patel表示。“我们有哪些公司成功的数据，或者为什么他们不成功的数据，我们可以分享这些数据，帮助公司找到他们的最佳实践方式。帮助公司可预测地招聘员工，或利用高质量的人才，并以极具洞察力的方式进行招聘，这样的结合(我们认为我们会成功)。” 这种订阅模式对于潜在的经济衰退来说也是一个重要的对冲模式，招聘可能会放缓。如果创业公司能够说服公司他们应该支付经常性费用是一条可行的渠道，它可能能够消化经济衰退的冲击和招聘的放缓，并证明在增加招聘和填补旧岗位等情况下是有用的。该公司还表示，已聘请约翰•凯利(John Kelly)担任营收副总裁。凯利此前曾在SAP、 Oracle和FindView等公司工作。英语原文：That subscription model is also going to be an important one as a hedge against a potential downturn, where hiring might slow. If the startup is able to convince companies that it is a viable pipeline that they should be paying a recurring fee, it might be able to absorb the shock of a recession and a slowdown in hiring and prove useful in cases like incremental hiring and back-filling old roles. The company also said that it has hired John Kelly to be its vice president of revenue, who previously worked at companies like SAP, Oracle, and FindView. 竞争将会非常激烈，尤其是当这些公司能够收集越来越多的数据时。Recruit Holdings是包括Indeed和GlassDoor（该公司以12亿美元收购）的公司中的大型科学家公司，这可能会成为最大的障碍。帕特尔表示，与其他公司相比，Hired应该能够缩短找到候选人和招聘过程之间的时间间隔，这将是衡量公司成功与否的主要标准。以上内容由AI翻译，仅供参考原文链接：https://techcrunch.com/2018/06/2%20...%20iring/?guccounter=1

新创
2018年07月24日
新创

招聘自动化后，Sourcing工作将是人类的价值体现！--Sourcing Is the New Recruiting 文/Mike Wolford 我有个好消息要告诉你。Sourcing是今天人才招聘的好方法!传统上人们所熟知的招聘正在消失。越来越多的公司采用招聘过程自动化，这意味着即使对人才的需求增加，对传统全生命周期招聘的需求也会减少。面试和评估技术的改进将使公司能够自动完成大部分招聘人员目前所做的工作。聊天机器人不仅能提高求职者的经验，还能提高进入我们各自的求职者跟踪系统的人数。自动面试将及时取代招聘人员筛选面试。自动评估和调度助理将从那里接管这一过程。这一变化将极大地减少填表时间，因为自动系统全天是可用的，原则上，候选人可以在几个小时内从应用程序转到安排面试。对招聘人员来说，好消息是，只有最优秀的候选人才能以一种完全自动化的方式通过筛选过程。那些被认为65%匹配程度的候选人仍然需要人工审查。然而，即使在这些情况下，候选人和招聘人员之间也不太可能需要广泛的沟通。相反，招聘人员可能会检查一份文件，查看考试成绩，然后做出判断。2020年及以后的招聘人员将很少真正与应聘者交谈。我能听到你在考虑我，迈克是一个源程序，而不是一个招聘人员，这对我来说意味着什么? 它意味着一些事情。首先，我们要做的是改变。在更高的层次上，源程序今天所做的是四个主要的活动。我们的工作是在面试过程中识别，参与，鉴定和提交候选人，否则他们将无法自行申请。到2020年，源程序将主要集中在两项活动上。识别和参与。一旦招聘过程被自动化，就不需要招聘方来筛选候选人。面试过程将筛选候选人，而源程序不会向招聘人员或招聘经理提交候选人，他们会直接将候选人引入管道，开始评估，最有可能的方式是参加某种形式的视频面试。今年早些时候，在拉斯维加斯的SourceCon网站上，格伦·卡西(Glen Cathey)说得既准确又有预言性，“sourcing101是销售101。” 未来的源程序人员需要成为优秀的销售人员，因为他们的主要工作将是识别高潜力人才，并邀请他们进入自动招聘流程。对我们来说，在程序方面，特别是在IT程序方面，市场的声音将会更大。这意味着，参与将变得更具挑战性和关键。2020年的目标不仅是成为一个有说服力的、坚持不懈的销售人员，而且是一个出色的营销人员。采购和招聘营销将融合成一种新的、强有力的组合。人们很容易忽视人工智能对其他行业的影响，但忽视人工智能正在改变市场营销的方式，以及这种改变将如何影响整个招聘，是不明智的。例如，Facebook最近之所以成为新闻，是因为它们对我们这个时代的政治产生了一定的影响。不管你的政治观点如何，这对我们大家都是一个教训。有针对性的社交媒体和聊天机器人在广告和参与方面的应用是强大而有效的。既然人工智能正在被应用于市场营销，那么人才收购进入这种广告渠道只是时间问题。有智慧的人会看到后职和祈祷正在被目标和参与所取代。有时很难看到森林中的树木，但我记得我从经济学中学到了这一课。20世纪的定义是大规模生产。21世纪将由大规模定制所定义。这一说法对源程序有一定的影响。一些公司已经意识到这一点，并采取了复杂的营销活动，但这只是一个例外，而不是规则。原因有很多，但我在这里想告诉你的是，一旦实际的申请和面试过程基本上是自动化的，公司将有时间和资源来集中精力把目标申请者填满职位空缺。作为一个销售人员，这意味着你不仅需要学习如何销售，还需要理解如何像营销人员一样思考。作为一个源程序，我相信这对你来说意味着什么。今天，我们确认、参与、资格和提交。我们与招聘伙伴密切合作，有时还会与招聘经理合作。在未来，源程序将首先确定潜在人才的目标市场。从那时起，参与就变成了一种双管齐下的方式。作为长期战略的一部分，招聘营销人员将负责建立品牌并将EVP销售到目标市场。他们将为目标市场提供令人兴奋和引人入胜的内容，而源程序将与这些目标市场中的特定个人进行接触，并邀请他们应用于特定的角色。当前的招聘人员/源程序伙伴关系将会及时被招聘市场/源程序的关系所取代。我们源程序的底线是。我们的工作正在发生变化，但在所有与人才获取有关的专业人士中，我们的工作最有可能出现显著增长。我给你的建议是完善你的布尔值，并挑选一些关于销售和数字营销的书籍。如果今天你是招聘人员,我的建议是训练你的采购技能或开始思考另一条线的工作,因为在过程自动化变成了标准的50% +全生命周期的工作正在消失,“招聘”将在很大程度上成为另一个人力资源管理功能。以上内容由AI翻译，仅供参考原文链接：https://www.sourcecon.com/sourcing-is-the-new-recruiting/

新创
2018年07月19日
新创

创新：背调公司Checkr创建动态背调监控工具以提升Uber乘坐的安全性编者注：值得学习和参考，动态的背景调查很重要啊！国内哪家可以跟滴滴等合作起来！目前背调都是截止调查的当天。而入职或者开始工作后的情况就很难掌握了！现代和合规背景调查的领先提供商Checkr今天宣布了一项新技术，该技术可持续更新可能影响共乘驾驶员驾驶资格的犯罪记录。Checker Continuous Check由Uber设计，动态识别可能不合格的记录，以帮助确保驾驶员继续满足优步的安全标准。 Checkr首席执行官Daniel Yanisse表示： “ 凭借当今的按需劳动力，我们需要超越静态背景报告，进行动态筛选。通过持续检查，Checkr为共乘产业创造了新的安全标准将提供关于某人背景变化的重要见解，这可能会影响他们的工作资格。“ 优步是第一家采用该技术的公司。使用涵盖大多数新刑事犯罪的数据来源，当司机参与犯罪活动时，持续检查会向优步提供通知。然后，优步可以调查任何可能不合格的信息，例如DUI的新费用和未决费用，以确定该驱动程序是否仍有资格与Uber一起驾驶。这项新技术使优步能够在每年重新进行背景调查之间持续执行其安全标准。 “ 安全对优步至关重要，我们希望确保驾驶员持续不断地达到我们的标准，”优步安全与保险副总裁Gus Fuldner说。“ 这种新的连续检查技术将加强我们的筛选过程并提高安全性。” 最初设计用于满足共乘行业的严格要求，2018年秋季将为所有Checkr客户提供持续检查。关于Checkr Checkr的使命是通过提高对过去的理解来建立更公平的未来。我们的平台使数以千计的客户每年能够以gig经济的速度轻松雇用数百万人。使用Checkr先进的背景调查技术，各种规模的公司都能更好地了解不断变化的员工队伍的动态，为他们的招聘带来透明度和公平性，最终为员工创造更美好的未来。 Checkr Creates Dynamic Monitoring Tool to Elevate Safety in Ridesharing Checkr, the leading provider of modern and compliant background checks, today announced new technology that provides continuous updates about criminal records that may affect ridesharing drivers’ eligibility to drive. Checkr Continuous Check, which was designed with Uber, dynamically identifies potentially disqualifying records to help ensure drivers continue to meet Uber’s safety standards. “With today's on-demand workforce, there's a need to move beyond static background reports to dynamic screenings," said Daniel Yanisse, CEO of Checkr. "Through Continuous Check, Checkr is creating a new standard of safety for the ridesharing industry and beyond that will provide critical insight into changes in someone's background that may affect their eligibility to work." Uber is the first company to adopt the technology. Using data sources that cover most new criminal offenses, Continuous Check provides notifications to Uber when a driver is involved in criminal activity. Uber can then investigate any potentially disqualifying information, such as a new and pending charge for a DUI, to determine whether the driver is still eligible to drive with Uber. This new technology allows Uber to continuously enforce its safety standards between annual reruns of background checks. “Safety is essential to Uber and we want to ensure drivers continue to meet our standards on an ongoing basis,” said Gus Fuldner, Vice President of Safety and Insurance at Uber. “This new continuous checking technology will strengthen our screening process and improve safety.” Designed initially to meet the stringent requirements of the ridesharing industry, Continuous Check will be available to all Checkr customers in Fall 2018. About Checkr Checkr’s mission is to build a fairer future by improving understanding of the past. Our platform makes it easy for thousands of customers to hire millions of people every year at the speed of the gig economy. Using Checkr’s advanced background check technology, companies of all sizes can better understand the dynamics of the changing workforce, bring transparency and fairness to their hiring, and ultimately build a better future for workers. For more information please visit: www.checkr.com.

新创
2018年07月15日
新创

「众签」获7000万元A1轮融资，从电子合同延伸智能仲裁来源/36氪文/徐宁长远目标是数字经济。 36氪获悉，“众签”已完成7000万元A1轮融资，由清志杰资本领投，点亮资本、分布式资本等跟投。众签定位给企业提供电子合同服务，包括提供身份鉴证、数字证书签发、合同管理、在线签署、证据保全、合同验签、司法鉴定等一系列服务。创始人于潇强调：“电子签名只是应用于在线签署的一个技术环节，而电子合同背后是一条完整的服务链条。首先，每个企业的签署流程不同，电子合同平台需要跟用户的需求相结合。更重要的是，一旦出现法律纠纷，平台要能够证明合同的有效性、合法性，而这需要整合司法机关、仲裁机关等相关机构资源。” 合同签署的根本目的是为了降低违约率，确保合同的有效性和安全性非常关键。对于电子签名平台来说，如何通过技术手段，将合同内容、签署人、时间进行固化，保证合同的法律效应是关键。众签的做法是，联合多家司法鉴定机构、公证机构、仲裁、法院等权威机构构建联盟区块链，相当于成立一个证据存取证的联盟。通过借助区块链分布式存储、不可篡改的特点，将文件通过不可逆的哈希算法生成字符串存在平台，同时存放在合作的司法鉴定机构、公证机构、仲裁机构处，实现证据固化。当合同出现纠纷时，有两种法律途径——诉讼、仲裁。其中，诉讼周期较长，还会出现上诉后审判结果不一致等情况，而仲裁相对流程较短，一次裁定结果不再更改，所以大多数企业会选择仲裁。此前，仲裁需要人工审核，现在众签通过跟仲裁委对接，能够实现机器智能仲裁，提升人效。此外，由于合同资产保存在平台上，所以企业客户很在乎电子合同平台的持久性。“众签将电子合同经加密后存放在了多个节点，即使将来第三方电子合同服务平台关停，客户也不用担心合同的安全，”于潇表示。据悉，众签在2017年2月完成首轮融资后，便进行了市场扩张。如今，众签团队已有80多人，销售接近一半，覆盖北京、上海、深圳、杭州、厦门、武汉、青岛等地。截至2018年6月，众签已为近100万+企业、6000万+用户提供可信交易解决方案和服务，其中电子合同和电子签章产品累计签署超10亿，日签署峰值超500万。目前主要应用场景包括：大金融行业中的互联网金融和传统金融，传统流通行业的到账单场景，服务业中租房、租车、旅游、教育等。客户不乏银联商务、百安居、国家电网、国美电器、人人贷、91金融、58到家、爱回收、酷狗音乐、中银保险、江泰保险、中信银行、蛋壳公寓、途家、海底捞等。团队方面，众签创始团队来自清华、北大、复旦等高校，核心成员一直以来专注于电子合同关键技术研究与应用服务推广，2009年在清华大学电子商务交易技术国家工程实验室开展电子合同研究，曾参与《电子合同基本信息规范》、《旅游电子商务电子合同基本信息规范》、《保险经代公司服务规范人身保险部分》《商品现货市场交易商主体信息规范》等多项技术标准和行业标准制定，参与多项电子合同相关国家重点项目实施，并在国内外核心期刊发表多篇电子合同相关论文。本轮融资后，众签将继续发力市场拓展和有关可信合同的产品研发，其长远目标是数字经济方向。

新创
2018年07月13日

《 1 2 3 4 567 8 9 10 11 》 64 跳转至