Jan, 2024

LLM Agents 在招聘中的应用：一种用于简历筛选的创新框架

PDF
TL;DR这篇论文介绍了一种基于大型语言模型的代理框架，用于简历筛选，旨在提高招聘过程的效率和时间管理。通过实验，结果显示我们的自动简历筛选框架比传统手动方法快 11 倍，经过微调，我们的模型在简历分类和摘要及打分阶段的表现超过了 GPT-3.5 模型的基准性能，同时对 LLM 代理在最终录取阶段的决策效力进行的分析也进一步凸显了 LLM 代理在改变简历筛选过程中的潜力。
automationresume screeningnatural language processinglarge language modelsefficiency
发现论文，激发创造
  • JobRecoGPT -- 基于 LLMs 的可解释的职位推荐

    通过比较四种不同的方法，包括内容确定性、由 LLM 指导、未指导的 LLM 和混合方法，我们利用大型语言模型在工作推荐中捕捉了未结构化数据转换过程中丢失的信息，并且评估了它们在时间需求方面的性能。

    Sep, 2023

  • 简历流程：基于 LLM 的个性化简历生成和优化管道

    使用大型语言模型 (LLM) 的工具 ResumeFlow，能够根据用户提供的具体工作岗位和详细简历，生成与该工作岗位相匹配的个性化简历。

    Feb, 2024

  • 促进大型语言模型在在线求职和招聘中的多角色和多行为协作

    在线招聘服务的出现已经彻底改变了求职和招聘的传统模式，本研究致力于提高个人与职业的匹配度，通过引入模拟面试的过程，从而为候选人评估提供额外的证据，增强了传统基于简历和职位描述的人 - 职位匹配方式。提出了一种创新可行的模拟面试框架 MockLLM，通过面试生成和握手协议中的双方评估两个模块，通过让面试官和候选人之间协同行为来提高其性能，同时设计一种多角色和多行为的角色扮演框架，使单个语言模型代理能够以多个功能有效地与双方交互。此外，还提出了反思记忆生成和动态提示修改技术，以改进双方的行为，实现对增强的额外证据的持续优化。详细的实验结果表明，MockLLM 在人 - 职位匹配和模拟面试质量方面表现出了最佳性能，展示了其在未来在线招聘中的应用前景。

    May, 2024

  • ResearchArena：评估 LLMs 作为研究代理的信息收集和组织能力

    利用 ResearchArena 测量大型语言模型代理在进行学术调查的能力，将调查流程分为信息发现、信息选择和信息组织三个阶段，在离线环境中评估代理定位支持材料、对定位的论文进行排名和将其组织成层次知识思维导图的能力，根据初步评估发现大型语言模型方法与基于关键词检索技术相比表现不佳，未来研究具有重要发展机会。

    Jun, 2024

  • 大型语言模型作为城市居民：用于个人移动生成的 LLM 代理框架

    这篇论文介绍了一种使用大型语言模型（LLM）融入到代理框架中的创新方法，用于灵活高效的个性化移动生成，并重点解决了将 LLMs 与现实世界的城市移动数据对接的三个研究问题：将 LLMs 与丰富的活动数据对接、开发可靠的活动生成策略以及探索 LLMs 在城市移动中的应用。

    Feb, 2024

  • 基于大型语言模型的自主代理的调查

    通过对基于大语言模型的自主代理的综合调查，本文提出了一个统一框架来概括以往研究，并总结了在社会科学、自然科学和工程领域中应用大语言模型的人工智能代理的各种应用及评估策略。同时，我们还讨论了该领域的挑战和未来方向。

    Aug, 2023

  • 大语言模型时代的推荐系统

    本论文对基于大型语言模型（LLMs）的推荐系统进行了全面综述，总结了 LLMs 在推荐系统中的应用方法，包括预训练、微调和提示，并讨论了未来方向。

    Jul, 2023

  • 利用 LLMs 加速系统评价筛选过程的承诺与挑战

    系统性综述（SR）是软件工程（SE）中一种常见的研究方法。本研究旨在调查大型语言模型（LLMs）是否能通过简化摘要来加速标题 - 摘要筛选，并自动化标题 - 摘要筛选。研究结果表明，使用 LLMs 进行文本简化在筛选过程中并未显著提高人类的表现，但减少了筛选所需的时间。虽然当前的 LLMs 在筛选任务中并不比人类筛选者更准确，但使用 LLMs 自动化标题 - 摘要筛选似乎是有前景的。需要进一步的研究才能推荐在 SR 筛选过程中使用 LLMs。建议未来的 SR 研究发布包含筛选数据的复制包，以便进行更有说服力的 LLM 筛选实验。

    Apr, 2024

  • 小型 LLM 是弱工具学习者：多 LLM 代理

    我们提出了一个模块化的多语言模型框架，将大型语言模型能力分解为规划器、调用器和摘要生成器，并通过两阶段训练范式有效地训练该框架，该框架在各种工具使用基准测试中表现出超越传统单语言模型方法的效果，凸显了其在工具学习中的功效和优势。

    Jan, 2024

  • 推荐 AI 代理：整合大型语言模型进行交互式推荐

    通过将推荐模型和大型语言模型相结合，本文介绍了一个名为 RecAgent 的高效框架，旨在创建一个多功能和交互式的推荐系统，通过整合大型语言模型，将传统的推荐系统转化为具有自然语言界面的交互系统。实验结果表明，RecAgent 作为一个对话式推荐系统表现出令人满意的性能，优于通用的大型语言模型。

    Aug, 2023