PJB：面向人-职位检索的推理感知基准
信息检索
2026-03-19 v1 计算与语言
摘要
随着检索模型在通用基准上趋于收敛，亟需的问题不再是"谁得分更高"，而是"系统在何处失败，原因何在？"人-职位匹配是迫切需要此类诊断能力的领域——它要求系统不仅验证显式约束，还需进行技能迁移推断和职位能力推理，但现有基准为此任务提供了无系统诊断支持。我们引入PJB（Person-Job Benchmark），一个推理感知检索评估数据集，采用完整职位描述作为查询，完整简历作为文档，通过职位能力判断定义相关性，基于覆盖六个行业领域、近20万份简历的真实世界招聘数据 grounding，并通过领域家族和推理类型诊断标签将评估从"谁得分更高"提升为"系统在何处不同，原因何在？"。诊断实验使用稠密检索发现，不同行业领域间的性能差异远超相同模型模块升级所带来的提升，表明仅凭平均得分会严重误导优化决策。在模块层面，重排序虽稳定提升性能，但查询理解模块不仅未获益反而在与重排序组合时会整体性能下降——这两个模块面临的改进瓶颈根本不同。PJB的价值不在于再造一个平均得分排行榜，而在于为招聘检索系统提供能力图谱，精准指向投资重点。
引用
@article{arxiv.2603.17386,
title = {PJB: A Reasoning-Aware Benchmark for Person-Job Retrieval},
author = {Guangzhi Wang and Xiaohui Yang and Kai Li and Jiawen He and Kai Yang and Ruixuan Zhang and Zhi Liu},
journal= {arXiv preprint arXiv:2603.17386},
year = {2026}
}