Модели рекомендательных ИИ с обучением по нулевому выстрелу для эффективного сопоставления вакансий и кандидатов в процессе найма

В условиях меняющейся практики рекрутинга точность сопоставления вакансий и кандидатов имеет решающее значение. В данном исследовании рассматривается применение моделей рекомендательных систем на основе искусственного интеллекта с обучением по нулевому выстрелу для повышения эффективности этого процесса сопоставления. С использованием современных предварительно обученных моделей, таких как all-MiniLM-L6-v2, и метрик сходства, включая скалярное произведение и косинусное сходство, была оценена их эффективность при сопоставлении описаний вакансий с профилями кандидатов. Результаты оценки, основанной на точности Top-K для различных уровней ранжирования, продемонстрировали заметное повышение точности сопоставления по сравнению с традиционными методами. В частности, модель all-MiniLM-L6-v2 с длиной фрагмента 768 показала выдающиеся результаты: точность Top-1 составила 3,35%, Top-100 — 55,45%, а Top-500 — 81,11%, что подтверждает ее высокую эффективность для процессов найма. В статье представлен углубленный анализ этих моделей и приведены сведения об их потенциальном применении в реальных сценариях рекрутинга. Полученные результаты подчеркивают способность обучения по нулевому выстрелу удовлетворять динамичным требованиям рынка труда, предлагая масштабируемое, эффективное и адаптивное решение для сопоставления вакансий и кандидатов и устанавливая новые ориентиры эффективности рекрутинга.