RankPO：基于偏好优化的职位-人才匹配

将职位描述（JD）与合适的人才匹配需要模型能够理解不仅仅是JD和候选人简历之间的文本相似性，还要理解地理位置和学术资历等情境因素。为此，我们提出了一种针对大型语言模型（LLM）的两阶段训练框架。在第一阶段，我们使用对比学习方法，在由真实世界匹配规则构建的数据集上训练模型，如地理对齐和研究领域重叠。虽然有效，但该模型主要学习由匹配规则定义的模式。在第二阶段，我们引入一种受直接偏好优化（DPO）启发的新颖偏好基优选方法，称为Rank Preference Optimization（RankPO），以与AI精选的成对偏好一致。我们的实验表明，第一阶段模型在基于规则的数据上（nDCG@20 = 0.706）取得了强烈的性能，但在文本理解方面有限（与AI注释对齐 = 0.46）。通过使用RankPO微调，我们获得了一个在原有任务中保持相当好性能，同时显著提高与AI偏好对齐的平衡模型。代码和数据可在 https://github.com/yflyzhang/RankPO 获取。