理应资讯
企业经营智能化

Deel 成立 AI 实验室 Emet 并发布 Pangaea 模型:最佳模型只能完全解决 49% 的薪资任务

理应编辑室 ·

全球人力与薪资平台 Deel 宣布成立 AI 实验室 Emet,推出公开基准 EmBench 和面向全球用工场景的 Pangaea 模型系列,称其接近顶级模型准确率、最高快 3 倍。

全球人力资源与薪资平台 Deel 10 月 21 日在 X 上宣布,成立 AI 实验室 Emet,并发布面向“全球用工”场景的模型系列 Pangaea。Deel 给出的出发点是:AI 已经读遍了互联网,却从没真正跑过一次薪资发放、经营过一家企业。按 Deel 的说法,在真实的薪资任务上,目前最好的 AI 模型也只能完全解决 49%。

Deel 披露的真实薪资任务完全解决率 Deel 披露的真实薪资任务完全解决率 当前最佳 AI 模型 49% 尚未完全解决 51% 数据:Deel 在 X 上的发布帖文(EmBench 评测)

此次发布包括三部分:

  • Emet:Deel 的 AI 实验室,负责模型评测与训练。由各国本地专家来定义“真实的业务任务”是什么样子,首先从薪资和全球用工开始。
  • EmBench:公开的基准测试。所有模型(包括 Deel 自己的模型)都按专家给出的标准答案打分。
  • Pangaea:基于开放权重模型、用 Emet 训练出来的模型系列。Deel 称其准确率接近顶级模型,速度最高快 3 倍,成本只是其一小部分。
flowchart LR
  A[各国本地专家定义真实薪资任务] --> B[Emet 评测与训练]
  B --> C[EmBench 公开基准:按专家答案打分]
  B --> D[Pangaea 模型:开放权重模型 + Emet 训练]
  D --> E[薪资与全球用工业务]

薪资是典型的“容错率极低”的企业业务:不同国家的税制、社保、假期和雇佣规则各不相同,一个数字错了就可能导致员工少拿工资或企业违规。通用大模型擅长语言,却缺乏这类本地化、强规则的业务知识,这也是 Deel 用“49%”来强调差距的原因。Deel 的思路是先让本地专家把任务和标准答案定义清楚,再据此评测和训练模型,而不是只看通用榜单。

背景方面,AI 公司 AI21 Labs 10 月 15 日曾在官方博客介绍与 Deel 的合作:其基于 NVIDIA Nemotron 后训练的模型在 Emet 覆盖 8 个国家的薪资基准上取得 72% 的成绩。需要区分的是,那是 AI21 的模型,并非此次 Deel 发布的 Pangaea。Deel 本次帖文没有公布 Pangaea 在 EmBench 上的具体分数,“接近顶级模型”“最高快 3 倍”均为 Deel 自身表述,有待公开基准数据进一步验证。

# Deel# Emet# Pangaea# 薪资# HR 科技