阅读间隙：基于大语言模型的简历职称分类
计算与语言
2025-09-12 v1
摘要
准确评估候选人简历中的职称水平是一个关键且具有挑战性的任务，由于夸大经验和模糊的自我呈现方式导致其困难重重。本研究探讨了大语言模型（LLM），包括微调的 BERT 架构，对于自动化简历职称分类的有效性。为严格评估模型性能，我们引入了混合数据集，包含真实简历和合成的困难样本，旨在模拟夸大的资格和低估的职称。使用该数据集，我们评估了大语言模型在检测与职称膨胀相关的细微语言线索以及隐式专业知识方面的能力。我们的发现突显了增强 AI 驱动候选人评估系统并减轻由自我推销语言引入偏见的有前景的方向。该数据集已提供给研究社区使用，链接为 https://bit.ly/4mcTovt
引用
@article{arxiv.2509.09229,
title = {Reading Between the Lines: Classifying Resume Seniority with Large Language Models},
author = {Matan Cohen and Shira Shani and Eden Menahem and Yehudit Aperstein and Alexander Apartsin},
journal= {arXiv preprint arXiv:2509.09229},
year = {2025}
}
备注
5 pages, 3 figures