manpowergroup.com

이 이메일 도메인이 관측된 논문 2건

arXiv:2609.23307v1cs.IR

의미 기반 후보자-직무 매칭: 하이브리드 검색에서 밀집 임베딩 모델의 비교 평가

Semantic Candidate-Job Matching: A Comparative Evaluation of Dense Embedding Models in Hybrid Retrieval

본 논문은 대량 채용 워크플로에서 의미적 후보자-직무 매칭을 위한 밀집 임베딩 모델에 대한 비교 평가를 제시한다. 유입되는 직무 기술서는 LLM 기반 파싱을 통해 구조화된 영어 검색 텍스트와 언어별 키워드로 변환되며, 후보자 프로필은 의미적으로 강화된 이력서 표현으로 색인된다. 벡터 유사도와 전문(full-text) 관련성을 상호 순위 융합(RRF)으로 결합하는 통합 하이브리드 검색 파이프라인 안에서 EmbeddingGemma(base)와 Cached Multiple Negatives Ranking Loss(MNRL)로 미세조정한 EmbeddingGemma를 비교 평가하고, 배포된 직무-후보자 매칭 채점 파이프라인으로 점수를 매긴 배치 비교 평가 데이터셋에서 둘 다 MPNet 모델과 벤치마크한다. 또한 모델 개발 과정에서 검토한 대조(contrastive) 미세조정 목표의 더 넓은 집합(AnglE/CoSENT 스타일 정제 포함)을 수학적으로 상세히 기록하고, 선호 구성으로 Cached-MNRL-only 적응만 유지한 경험적 근거를 제시한다. 재현 가능한 모델 선택을 지원하기 위해 동일한 하이브리드 검색 프로토콜 하에서 표준 정보 검색 지표(재현율@K, mean reciprocal rank, nDCG)를 포함하는 더 넓은 평가 프레임워크를 정의하되, 본 논문에서 보고하는 평가에 실제로 사용한 지표는 미세조정 수렴 진단과 배포된 AI-Match 점수 및 독립적인 LLM-as-a-Judge 관련성 점수를 활용한 배치 비교 평가이며, 전체 프레임워크를 측정한 것처럼 암시하지 않고 이 범위를 명시적으로 밝힌다. 본 논문은 범용 임베딩 벤치마크와 기업 환경의 직무-후보자 매칭 제약 사이의 간극을 다루며, 현실적인 직무-후보자 검색 조건에서 임베딩 전략을 비교할 수 있는 구조화된 기반을 제공한다.

arXiv:2608.26899v1cs.AI

지원 추적 시스템을 위한 반사실적 바이어스 테스트

Counterfactual Bias Testing for Application Tracking System

자동화된 후보자–직무 매칭 시스템은 새로운 규제 하에서 점점 더 고위험 AI로 분류되고 있지만, 인구통계학적 바이어스를 감사하는 것은 비용이 큽니다. 고전적인 대응 감사(correspondence-audit) 연구는 수작업으로 작성한 이력서와 수동 제출을 요구하여 빠른 파이프라인 재학습 주기에 맞게 확장하기 어렵습니다. 본 논문은 (1) 과제 특화 LLM 에이전트를 사용해 정체성 중립적 기본 이력서를 합성하고, 다섯 가지 보호 특성 축(성/젠더, 연령, 거주지, 언어, 장애)에 걸쳐 통제된 인구통계학적 처리(treatment)를 주입하여 K×(1+N) 대응 감사 행렬을 생성하고, (2) EU AI Act에 부합하는 프롬프트에 따라 추론된 보호 특성을 정성적으로 표시하며, (3) 파인튜닝된 문장 임베딩 모델과 코사인 유사도로 직무 기술 대비 후보자를 순위화하고, (4) 반사실적(점수 차(delta), 평균 절대 순위 변화, flip rate), 집단 공정성(top-K 유지율, four-fifths/impact ratio), 실력 인식(Recall@K, nDCG@K, equal opportunity, equalized odds) 계열에 걸친 9개 지표 공정성 스위트를 계산하되, 각각 부트스트랩 신뢰구간, 유의성 검정, Benjamini-Hochberg 보정을 적용하고, 복합 위험 점수를 포함한 자동 PASS/INVESTIGATE/FAIL 보고서로 마무리하는 일반적이고 재사용 가능한 방법론을 제시합니다. 5개 채용 공고, 100명의 기본 후보, 10개 인구통계학적 처리(90회 지표×변형 평가)로 구성된 예시 코퍼스에서: 점수 변화, top-K 유지율, 실력 인식 계열 격차는 모든 처리에서 허용 범위 내에 있었으나, 순위 안정성 지표(MARC)와 nDCG@K가 각각 경계선상의 발견—중립 기준선 자체에 대한 것 하나를 포함—을 드러내어 점수 또는 유지율만으로는 놓칠 수 있었습니다. 결과는 단일 집계 점수보다 다중 지표·다중 계열 감사를, 그리고 후보자–직무 매칭 파이프라인에 대해 인간이 큐레이션한 감사의 실용적·저비용 보완으로 LLM 에이전트 생성 감사를 주장합니다.