MLAR：基于多层大语言模型的机器人流程自动化招聘系统
计算与语言
2025-07-15 v1
摘要
本文介绍了一种创新的申请人跟踪系统（ATS），其增强了一个新颖的机器人流程自动化（RPA）框架，称为MLAR。传统的招聘流程在简历筛选和候选人短listing方面常常因时间和资源限制而遇到瓶颈。MLAR通过在三个不同层次上采用大语言模型（LLM）来解决这些挑战：第一层从职位公告中提取关键特征，第二层解析申请人简历以识别教育背景、经验和技能，第三层进行相似度匹配。这一功能通过先进的语义算法进行匹配，以高效识别最佳候选人。我们的方案无缝集成到现有的RPA管道中，自动化简历解析、职位匹配和候选人通知。广泛的性能基准测试显示，MLAR在高批量简历处理任务中甚至优于领先的RPA平台，包括UiPath和Automation Anywhere。在处理2400份简历时，MLAR的平均处理时间为每份简历5.4秒，较Automation Anywhere缩短约16.9%，较UiPath缩短约17.1%。这些结果凸显了MLAR在提供高效、准确且可扩展的解决方案方面，为现代招聘需求所构想的潜力。
引用
@article{arxiv.2507.10472,
title = {MLAR: Multi-layer Large Language Model-based Robotic Process Automation Applicant Tracking},
author = {Mohamed T. Younes and Omar Walid and Mai Hassan and Ali Hamdi},
journal= {arXiv preprint arXiv:2507.10472},
year = {2025}
}