Применение агентов на основе больших языковых моделей в подборе персонала: новая платформа для автоматизированного отбора резюме

Автоматизация отбора резюме является важным аспектом процесса подбора персонала в организациях. Системы автоматизированного отбора резюме часто включают широкий спектр задач обработки естественного языка (NLP). В данной статье представлена новая платформа на основе агентов больших языковых моделей (LLM) для отбора резюме, направленная на повышение эффективности и улучшение управления временем в процессах подбора персонала. Отличительной особенностью платформы является способность эффективно суммировать содержание и оценивать каждое резюме из большого набора данных. Кроме того, в ней используются агенты LLM для принятия решений. Для оценки платформы был сформирован набор данных на основе реальных резюме и смоделирован процесс их отбора. Затем результаты симуляционного эксперимента были сопоставлены и подвергнуты детальному анализу. Результаты показывают, что разработанная платформа автоматизированного отбора резюме работает в 11 раз быстрее традиционных ручных методов. Кроме того, тонкая настройка LLM позволила существенно повысить значение F1-меры, достигшее 87,73%, на этапе классификации предложений резюме. На этапе суммирования и оценки резюме дообученная модель превзошла базовые результаты модели GPT-3.5. Анализ эффективности принятия решений агентами LLM на заключительном этапе формирования предложения о найме дополнительно подтверждает потенциал агентов LLM в преобразовании процессов отбора резюме.