文 | 沈素明 文 | 沈素明 在企业管理活动中😀，最难的事情从来不是“找人”，而是“识人”。 面试能识😆别出谁能打仗吗？不一定。 绩效能识别出谁有潜力吗？更不😡一定。 坐在你对面、说得天花乱坠的，可能是包装高手； ❤️ 默默干活、不太张嘴的，可能是关键节点上唯一能挺住的人。😘 那怎么办？靠感觉？靠运气？靠时间慢慢磨？这些都不是老🙄板想听的答案。 我们今天说清楚一件事： 如果你真👍想识人，就别靠问，靠“任务”——任务能帮你识别出这个人，真实😅的判断力、承担力、执行力，甚至他是否值得你信任。 这不😢是一句空话，我会手把手告诉你，怎么设计这类“任务”，识别到真😴正能干事、能担事、能带事的人。 第一步：任务要具体，别🤩玩概念 识人的任务，最怕抽象。 “让他写个战略方👍案”、“让他优化个组织结构”、“让他模拟个危机处理”——这些😁听起来高大上，实际上都是无效的“概念游戏”。 任务，必❤️须是真实的、带交付压力的、和岗位高度贴合的。比如： ·👍要识别一个运营负责人，就让他负责一个真实账号的增长方案，含预😜算和转化指标； ·要识别一个团队主管，就让他带一支5人🤯小组完成某个项目，时间两周； ·要识别一个产品型选手，🤗就丢给他一个真实用户需求，要求他画清完整的迭代路径和协同点。⭐ 记住：真正能识人的任务，不是让他想象，而是让他解决。😆 第二步：把过程暴露出来，不只看结果 很多人以为😉任务识人，就是“我看你做得成不成”。 不对。 做🥳成≠值得信任。做成，也可能是别人帮的，是侥幸，是抄的。你识别😊的是这个人，不是这个结果。 展开全文 所以，你要🔥在任务中设计“过程暴露点”： ·让他中间有两个阶段性汇🤯报，看他怎么说、说什么； ·设置协同环节，观察别人对他😡怎么评价； ·安排一次他来当owner的群体讨论，看他❤️有没有真正的判断与推进力。 别怕麻烦，麻烦是为了避开以👏后更大的麻烦。识人就要抓“过程里的判断”，而不是只看“最后交🚀上来的成果”。 第三步：任务之后，要有“复盘式对话” 👏 任务做完了，人也识完了吗？还早。 真正的识别，往😊往发生在事后的“复盘对话”中。 很多领导忽略这一步，以🌟为人用着看着就知道了。 但我可以负责地说：没有这场复盘❤️，你识的不是这个人，而是你自己主观的感觉。 怎么复盘？😍 不是问“你觉得难不难”、“你学到了什么”这种鸡汤式问🤩题， 而是要围绕“判断的形成过程”，一步步对话。 😢 比如： ·“你当时为什么这么定这个节奏？” ·🔥“你在这件事里最难的判断点是什么？” ·“你觉得团队里👏谁帮了你？谁给你制造了障碍？” ·“如果重来一遍，你会😆怎么调资源？” 在这些问题里，他的责任感、反思力、对人😊性的判断、甚至是谦逊与傲慢，都会原形毕露。 记住：复盘😀不是帮他成长，是帮你识别他到底是一个什么人。 最后：把😅人识出来，不是为了选美 识人，是为了打仗。 不是😘为了找到最聪明、学历最高、语言最漂亮的那个人，而是找到关键时🤔刻能站在一线、顶得上、扛得住、带得动的人。 许多企业，😢不是没人才，是没识出真正有用的人； 很多领导，不是不想👍用人，是一直被“表现好”的人误导，错过了真正能成事的人。 😅 而今天这套“任务驱动型识人法”，就是为了解这个难题： ⭐ 不是靠感觉，不是靠标签，不是靠人设， 而是靠一件件🚀做过的事，一个个走过的过程，一次次对话中真实的判断与责任。 😊 它不完美，但它真实；它不万能，但它可用。 如果你❤️愿意亲手把它搭起来， 你会发现，你的团队，比你想象得更😊好，也更不一样。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多