Как мы "хакаем" HR-Tech: дискуссия с автором CALM из Tencent AI
Обсудили применимость метода Energy Score напрямую с Chenze Shao, исследователем WeChat AI (Tencent) и автором архитектуры CALM. Рассказываем, как многоуровневый конвейер с Energy Gating решает проблему "семантического схлопывания" и экономит бюджет на LLM-вычисления.
Авторы: slavb18
Пока все просто прикручивают ChatGPT к базе резюме, мы в Iconicompany закапываемся в фундаментальный ИИ, чтобы решить проблему "хрупкости векторов".
На днях обсудили применимость метода Energy Score напрямую с Chenze Shao - исследователем из WeChat AI (Tencent) и автором прорывной архитектуры CALM (Continuous Autoregressive Language Models).
В чём проблема текущего поиска?
Стандартный векторный поиск (Cosine Similarity) часто страдает от "семантического схлопывания". Система видит близкие слова, выдаёт высокий балл - но когда за дело берётся дорогая LLM для финальной проверки, оказывается, что кандидат вообще не подходит.
Это приводит к огромному количеству "холостых" и дорогих запусков моделей.
Наше решение: многоуровневый конвейер с Energy Gating
Мы строим многоуровневый конвейер подбора, где Energy Score (на базе Brier Score) выступает интеллектуальным "фильтром-отсечкой" (Inference Gate):
1️⃣ Coarse Retrieval - быстрый поиск по стандартным эмбеддингам.
2️⃣ Energy Gating - наш оригинальный слой калибровки. Мы обучаем его на проприетарном датасете из 500 000 размеченных пар "вакансия-специалист". Модель предсказывает вероятность успеха LLM-проверки. Если "энергия" соответствия низкая - мы "короткозамыкаем" (short-circuit) пайплайн и не тратим деньги на LLM.
3️⃣ Fine Ranking - прецизионная проверка нейросетью только для лучших из лучших.
Такой подход позволяет добиться значительного повышения точности в сложных доменах - например, в найме инженеров.
Почему это важно?
Это и есть Agentic AI в действии: система сама оптимизирует свои ресурсы, чтобы доставить клиенту верифицированную команду за 48 часов, не сжигая бюджет на бесполезные вычисления.
Обсуждение с Chenze Shao подтвердило, что направление перспективно: Energy Score действительно даёт более устойчивые сигналы там, где косинусное сходство "плывёт" из-за шума в формулировках навыков.
🔗 Детали обсуждения: issue #19
Хотите узнать больше о нашем подходе к ИИ-подбору? Пишите в @iconicompany.
📚 Читайте также
- От косинусного сходства к "энергии" смыслов: как исследование Tencent CALM меняет правила игры в ИИ-подборе
- AI-опыт: как перестать конкурировать с тысячами кандидатов
- AI - это не про промпты
- Как мы переосмыслили оценку разработчиков: от резюме к голосовому AI-интервью
- HR Copilot - тупиковая ветка. Вот почему