AutoScreen-FW: 履歴書スクリーニングのためのLLMベースのフレームワーク

arXiv cs.CL / 2026/3/20

📰 ニュースDeveloper Stack & InfrastructureTools & Practical UsageModels & Research

共有:

要点

AutoScreen-FW は、ペルソナの説明と評価基準に導かれて、文脈内学習のための代表的な履歴書サンプルを小規模に選択することで、ローカルで履歴書審査を行う LLM ベースのフレームワークです。
このアプローチは、商用の LLM への依存を避け、未見の履歴書に対してオープンソースモデルをキャリアアドバイザーとして機能させることにより、データプライバシーを重視します。
実験結果では、オープンソースの LLM が特定のグラウンドトゥルース設定の下で GPT-5-nano を上回る可能性があり、商用 GPT モデルより履歴書1件あたりの処理が速いことが示されました。
このフレームワークは、企業内でローカルに展開することで採用担当者の作業負荷を軽減し、選考の効率を向上させる可能性を示しています。

要約: 企業のリクルーターは、限られた時間内に多くの履歴書をスクリーニングする必要があることが多く、これが負担を増大させ、適任の候補者が見逃される可能性がある。これらの課題に対処するため、従来の研究ではLLMベースの自動履歴書スクリーニングが検討されてきた。しかし、いくつかの方法は商用のLLMに依存しており、データプライバシー上のリスクをもたらす可能性がある。さらに、企業は通常、評価結果を公表した履歴書を公開していないため、学習中にLLMの判断性能を向上させるためにどの履歴書サンプルを使用すべきかは不明のままである。これらの問題に対処するため、私たちはAutoScreen-FW、LLMベースのローカルかつ自動的な履歴書スクリーニングのフレームワークを提案します。AutoScreen-FWは、代表的な履歴書サンプルを小さなセットとして選択するいくつかの手法を用いる。これらのサンプルは、ペルソナの説明と評価基準とともに文脈内学習に使用され、オープンソースのLLMがキャリアアドバイザーとして機能し、未見の履歴書を評価できるようになる。複数のグラウンドトゥルースを用いた実験は、オープンソースのLLMが一貫してGPT-5-nanoを上回ることを示している。あるグラウンドトゥルース設定の下では、それはGPT-5-miniをも上回る。他のグラウンドトゥルース設定ではGPT-5-miniにはわずかに及ばないものの、1件あたりの推論は商用GPTモデルよりも著しく高速である。これらの発見は、企業内でAutoScreen-FWをローカルに展開し、効率的なスクリーニングをサポートするとともにリクルーターの負担を軽減する可能性を示している。