L'Augmentazione dei Dati basata su LLM e MoE Migliorano l'Incontro Persona-Lavoro
Un nuovo metodo per l'Incontro Persona-Lavoro (PJF) nel reclutamento online utilizza l'augmentazione dei dati basata su modelli linguistici di grandi dimensioni (LLM) e un modulo Mixture of Experts (MoE) sensibile alla categoria. L'augmentazione basata su LLM migliora le descrizioni di lavoro di bassa qualità tramite prompt di catena di pensiero, mentre il MoE incorpora embedding di categoria per distinguere coppie candidato-lavoro simili. Test A/B offline e online su una piattaforma di reclutamento mostrano miglioramenti relativi del 2,40% in AUC e del 7,46% in GAUC, con un aumento del tasso di clic. L'approccio affronta le sfide delle descrizioni di lavoro scadenti e della somiglianza candidato-lavoro.
Fatti principali
- Il metodo utilizza l'augmentazione dei dati basata su LLM con prompt di catena di pensiero.
- Il modulo MoE sensibile alla categoria assegna pesi dinamici agli esperti.
- Test A/B offline e online condotti su una piattaforma di reclutamento.
- Miglioramento relativo del 2,40% in AUC e del 7,46% in GAUC.
- Aumenta il tasso di clic.
- Affronta descrizioni di lavoro di bassa qualità e coppie candidato-lavoro simili.
- Articolo pubblicato su arXiv con ID 2604.21264.
- Il metodo proposto supera i metodi esistenti.
Entità
Istituzioni
- arXiv