基于LLM的档案评估用于软件工程师的自动化人员筛选

在当今竞争激烈的就业市场中，组织成功取决于选择合适的人员。本工作利用基于先进自然语言处理（NLP）技术的自动化人员筛选方法评估软件工程师档案。通过收集具有教育背景、经验、技能和自我介绍等重要属性的LinkedIn档案，生成了一个新的数据集。专家反馈帮助调整了包括RoBERTa、DistilBERT和定制BERT变体LastBERT在内的Transformer模型。这些模型旨在预测候选人的档案是否符合筛选标准，从而实现自动排名和评估。RoBERTa以85%的准确率和0.85的F1分数表现最佳；DistilBERT在较低计算开销下提供了可比结果。尽管轻量，LastBERT被证明效果较差，准确率为75%。这些可复用的模型为进一步的分类挑战提供了可扩展的解决方案。本工作提出了一个新的数据集和方法，并展示了Transformer模型如何改进招聘流程。未来工作将包括扩展数据集、增强模型可解释性以及在真实环境中部署系统。