前言
似乎每隔几年，都会发生一个或大或小的技术变革，它如同是放置于人类发展进程中的一条鲶鱼，
前沿的技术华丽亮相后，似乎都会给世人带来一场深刻且广泛的改变。
2023年，ChatGPT一夜走红，个体陷入了被AI轻易替代的恐慌之中，而企业似乎找到了增长的又
一踏板，或被搁置很久或在缓慢开展的「AI+」行动又被各行各业提上了日程。
在人力资源领域，「AI+招聘」的尝试也屡见不鲜。AI技术的应用不仅优化了招聘体验、提升了招
聘效率，更在精准匹配人才、提升招聘质量等方面展现出了巨大的潜力。然而，随着其深入应用，
诸多挑战与问题也浮出水面，例如AI如何确保筛选的准确性及公正性、如何避免技术偏见等等。
时间快进到2024年，AI浪潮席卷一年后，我们迫切地想知道，人工智能技术在企业招聘中的应用
情况如何？招聘哪些环节的AI应用程度较高？企业对AI的满意程度又如何？
带着这些问题，我们特别发起了《AI在招聘中的应用现状调研》，力图还原AI在企业招聘中的应用
现状，除此之外，我们搜寻大量资料，并结合企业深度访谈，向你展示AI技术如何帮助企业快速识
别优秀人才，提高招聘效率和质量。期待这些AI招聘应用案例，能够为你的AI+招聘提供参考。
希望，这本报告可以成为你洞悉企业AI招聘应用现状的窗口，或是成为辅助您进行AI招聘布局的启
示录。
PART1
进化中的
人工智能
PART1:进化中的人工智能
2023年初，ChatGPT之所以一鸣惊人，大概是我们惊奇地发现，它不再像传统问答机器人那样前言不搭后语，智商时常掉线，而是即便面对你复杂且刁钻的提问，
它也可以从容应对，而这些都归功于AI技术的底层更强大了。
算法模型处理单一依赖大量标注数据受限于早期GPU的主要使用专门标注的应用范围集中在特
领域的单一任务进行监督学习计算能力，训练大数据集，数据范围有定领域，缺乏跨领
规模模型耗时较长限域通用性
模型架构训练方法计算能力数据利用应用范围
引入具备通用性的基采用自监督学习，利用现代GPU和利用互联网海量未应用范围广泛，涵
础大模型，处理多种减少对人工标注数TPU，计算能力显著标注数据，数据范盖多领域，商业模
任务据的依赖提升，支持大规模围广泛式灵活
模型训练
PART1:进化中的人工智能
AI1.0时代主要是通过训练模型来实现图像识别、声音识别、语言处理等特定任务，而如今AI2.0的巨大跃迁之处在于，它克服了前者单领域、多个独立模型的限
制，具有自监督学习能力，可以从海量的数据中学习并生成新的内容，与用户进行自然的交互，修复Bug、开发游戏、模仿各种风格进行写作等等。
单一领域数据集：诸多数据集和诸多模型各成孤岛缺乏纵效，劳动密集型的数据标注
