Skill-LLM：为技能提取改造通用大语言模型
计算与语言
2024-10-17 v1
摘要
从职位描述中准确提取技能是招聘过程中至关重要的步骤，但仍具有挑战性。命名实体识别(NER)是常用的解决方法。鉴于大语言模型(LLM)在各种NLP任务中，包括NER，的显著成功，我们提出对Skill-LLM进行微调，并开发一个轻量级模型以提高技能提取的精度和质量。在我们的研究中，我们使用基准数据集评估了微调的Skill-LLM和轻量级模型，并将其性能与当前最先进(SOTA)方法进行了比较。我们的结果表明，这种方法优于现有的SOTA技术。
引用
@article{arxiv.2410.12052,
title = {Skill-LLM: Repurposing General-Purpose LLMs for Skill Extraction},
author = {Amirhossein Herandi and Yitao Li and Zhanlin Liu and Ximin Hu and Xiao Cai},
journal= {arXiv preprint arXiv:2410.12052},
year = {2024}
}