MSLEF：基于多段 ensemble 微调的招聘领域 LLM
计算与语言
2025-09-09 v1
摘要
本文提出了 MSLEF，一个多段 ensemble 框架，通过 LLM 微调来增强招聘自动化中的简历解析。它将采用加权投票方式集成微调后的大型语言模型（LLM），每个模型专注于特定的简历段落以提升准确率。基于 MLAR，MSLEF 引入了 segment-aware 架构，利用针对每个简历部分的 field-specific 加权，有效克服了单模型系统的局限性，适应多样化的格式和结构。该框架将 Gemini-2.5-Flash LLM 作为高层聚合器用于复杂章节，并利用 Gemma 9B、LLaMA 3.1 8B 和 Phi-4 14B。MSLEF 在 Exact Match（EM）、F1 分数、BLEU、ROUGE 和 Recruitment Similarity（RS）等指标上实现了显著提升，相较于最佳单模型在 RS 上提升最高可达 +7%。其 segment-aware 设计增强了在不同简历布局下的泛化能力，使其在真实世界的招聘场景中高度适应，同时确保候选人表述的精确可靠。
引用
@article{arxiv.2509.06200,
title = {MSLEF: Multi-Segment LLM Ensemble Finetuning in Recruitment},
author = {Omar Walid and Mohamed T. Younes and Khaled Shaban and Mai Hassan and Ali Hamdi},
journal= {arXiv preprint arXiv:2509.06200},
year = {2025}
}
备注
Accepted in AICCSA 2025