今日,微信企业号再度出台措施,从注册环节开始,通过优化企业规模证明方式、放宽企业号命名规则等方式,大幅简化企业接入门槛。同时,开放企业委托其他公司代为申请认证的服务,降低企业接入难度。
千人以下企业无需规模证明
从前,所有用户进行企业号认证时,除了填写基本的企业信息,还需提供“使用人数证明材料”,即社保缴纳人数证明、上市企业财报人数证明、个税缴纳人数证明、购买或租赁合同办公场地证明、办公电话接入数证明、与上下游供应关系企业合作证明、与上下游供应关系企业合作涉及人数证明等。
如今1000人以下的企业,仅需提供企业全称、填写企业号使用人数和组织机构代码即可,无需再为证明材料奔波,非常方便。
此外,企业分公司,及其上下游合作人员的规模证明流程也得到了相应的优化,目前,企业只需提交分支机构人员分布表格即可。
而企业号基于其简称和商标的命名,只要不侵权违法违规,不产生明显歧义即可。同时,除申请公函外,申请接入流程中其他所有材料均无需加盖公章。
企业可委托其他公司代为申请认证服务
经过上述优化,如果企业仍旧认为认证流程复杂,还可通过“委托其他公司代为申请认证”的方式进行企业号认证。企业方只需要在申请认证页面上的“申请者类型”一项中,选择“第三方代办服务商”并填写相应代办申请公函,即可将认证流程交由自己信任的第三方代为办理。
需要注意的是,该第三方代办服务商必须需为企业号认证号用户,方可成功接收委托。
未来,微信企业号团队将继续紧跟用户诉求,优化认证机制,调整认证规则,帮助企业快速建立与员工、上下游等之间的连接,推动企业全流程闭环管理的实现。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。