Synapse：説明可能な二段階リトリーバルとLLMガイドによる遺伝的レジュメ最適化で実現する、ジョブと人材の適合性の進化

Abstract

現代の採用プラットフォームは、深刻な情報の不均衡の下で運用されています。求職者は、膨大で急速に変化する求人票の集合を検索しなければならない一方で、雇用者は、大量でありながら関連性の低い応募者プールに圧倒されています。既存の採用レコメンドシステムは、一般にキーワードマッチング、または単段のセマンティック検索に依存していますが、現実のスケールとコスト制約のもとで、候補者の経験と職務要件との細かな整合性を捉えることは困難です。そこで本稿では、Synapse（シナプス）というマルチステージのセマンティック採用システムを提案します。これは、高リコールな候補者生成と、高精度なセマンティック再ランキングを分離し、高効率な密ベクトル検索にFAISSを用いるとともに、対照学習のアンサンブルおよびLarge Language Model（LLM）による推論を組み合わせます。透明性を高めるために、Synapseは、明示的な根拠となる証拠に推薦を結びつける、検索拡張型の説明レイヤーを組み込みます。さらに、検索の先を越えて、履歴書の洗練をブラックボックス最適化問題として扱う、新しい進化的履歴書最適化フレームワークを導入します。LLMが導く突然変異オペレータとともにDifferential Evolutionを用いることで、ラベル付きデータなしで、スクリーニング目的に対する整合性を高めるために候補者表現を反復的に修正します。評価の結果、提案したアンサンブルは、埋め込みのみの検索ベースラインに比べてnDCG@10を22%向上させることが示されました。また、進化的最適化のループは、レコメンドスコアにおいて一貫して単調な改善をもたらし、評価した各プロフィールに対して相対的な改善が60%を超えました。本稿の公開にあわせて、コードとデータをリリースする予定です。