論文の概要: Steve: LLM Powered ChatBot for Career Progression

• arxiv url: http://arxiv.org/abs/2504.03789v1
• Date: Thu, 03 Apr 2025 22:24:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:12:55.566279
• Title: Steve: LLM Powered ChatBot for Career Progression
• Title（参考訳）: Steve: LLM搭載のチャットボットはキャリアの進歩に役立ちます
• Authors: Naveen Mathews Renji, Balaji R Rao, Carlo Lipizzi,
• Abstract要約: 我々は、候補者がAIによる面接を実行して、現在のキャリアステージを評価し、コースワークをキュレートして、次のレベルに進むことができるプラットフォームを開発する。 本手法は,事前定義されたキャリア・トラジェクトリ,関連スキル,そして,進歩に必要なスキルを得るための最善のリソースを推奨する手法を取り入れたものである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The advancements in systems deploying large language models (LLMs), as well as improvements in their ability to act as agents with predefined templates, provide an opportunity to conduct qualitative, individualized assessments, creating a bridge between qualitative and quantitative methods for candidates seeking career progression. In this paper, we develop a platform that allows candidates to run AI-led interviews to assess their current career stage and curate coursework to enable progression to the next level. Our approach incorporates predefined career trajectories, associated skills, and a method to recommend the best resources for gaining the necessary skills for advancement. We employ OpenAI API calls along with expertly compiled chat templates to assess candidate competence. Our platform is highly configurable due to the modularity of the development, is easy to deploy and use, and available as a web interface where the only requirement is candidate resumes in PDF format. We demonstrate a use-case centered on software engineering and intend to extend this platform to be domain-agnostic, requiring only regular updates to chat templates as industries evolve.
• Abstract（参考訳）: 大規模言語モデル(LLM)をデプロイするシステムの進歩と、事前定義されたテンプレートでエージェントとして機能する能力の向上は、質的かつ個別化された評価を行う機会を提供し、キャリアの進展を求める候補者に対する質的手法と定量的手法の間に橋渡しを形成する。 本稿では、候補者がAIによる面接を行い、現在のキャリアステージを評価し、次のレベルに進むためのコースワークをキュレートするプラットフォームを開発する。 本手法は,事前定義されたキャリア・トラジェクトリ,関連スキル,そして,進歩に必要なスキルを得るための最善のリソースを推奨する手法を取り入れたものである。 候補者の能力を評価するために、OpenAI APIコールと専門的にコンパイルされたチャットテンプレートを使用します。 私たちのプラットフォームは、開発のモジュラリティのため、高度に構成可能で、デプロイと使用が容易で、唯一の要件がPDF形式で候補が再開されるWebインターフェースとして利用できます。 ソフトウェアエンジニアリングを中心にしたユースケースを実演し、このプラットフォームをドメインに依存しないよう拡張したいと考えています。

関連論文リスト

• SE Arena: An Interactive Platform for Evaluating Foundation Models in Software Engineering [0.7511028207083381]
  ソフトウェアエンジニアリング活動の基盤モデル(FM)を評価するために設計されたインタラクティブなプラットフォームであるSE Arenaを紹介する。 SE Arenaは透明でオープンソースのリーダーボードを提供し、マルチラウンドの会話チャットボットをサポートし、エンドツーエンドのモデル比較を可能にする。 本稿では,SE Arenaの設計と機能について概説し,ソフトウェア工学におけるFMの評価と実用化を前進させる可能性を強調した。
  論文  参考訳（メタデータ） (2025-02-03T22:19:28Z)
• Large Action Models: From Inception to Implementation [51.81485642442344]
  大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。 LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。 創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-13T11:19:56Z)
• Facilitating Multi-Role and Multi-Behavior Collaboration of Large Language Models for Online Job Seeking and Recruiting [51.54907796704785]
  既存の手法は履歴書とジョブ記述の潜在意味論をモデル化し、それらの間に一致する関数を学習することに依存している。 大規模言語モデル (LLM) の強力なロールプレイング能力に触発されて, LLM によるインタビュアーと候補者のモックインタビュープロセスを導入することを提案する。 そこで我々は,モックインタビュー生成とハンドシェイクプロトコルにおける双方向評価という2つのモジュールにパーソナライズされたマッチングプロセスを分割する,新しいフレームワークであるMockLLMを提案する。
  論文  参考訳（メタデータ） (2024-05-28T12:23:16Z)
• An Interactive Agent Foundation Model [49.77861810045509]
  本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。 トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。 私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
  論文  参考訳（メタデータ） (2024-02-08T18:58:02Z)
• TrainerAgent: Customizable and Efficient Model Training through LLM-Powered Multi-Agent System [14.019244136838017]
  TrainerAgentは、タスク、データ、モデル、サーバーエージェントを含むマルチエージェントフレームワークである。 これらのエージェントは、ユーザ定義のタスク、入力データ、要求(例えば、精度、速度)を分析し、データとモデルの両方の観点からそれらを最適化して満足なモデルを取得し、最終的にこれらのモデルをオンラインサービスとしてデプロイする。 本研究は,従来のモデル開発と比較して,効率と品質が向上した望ましいモデルの実現において,大きな進歩を示すものである。
  論文  参考訳（メタデータ） (2023-11-11T17:39:24Z)
• Model Share AI: An Integrated Toolkit for Collaborative Machine Learning Model Development, Provenance Tracking, and Deployment in Python [0.0]
  モデル共有AI(AIMS)は、コラボレーティブモデル開発、モデル前駆者追跡、モデルデプロイメントを合理化するように設計された、使いやすいMLOpsプラットフォームである。 AIMSは、協調的なプロジェクト空間と、見当たらない評価データに基づいてモデル提出をランク付けする標準化されたモデル評価プロセスを備えている。 AIMSでは、Scikit-Learn、Keras、PyTorch、ONNXで構築されたMLモデルを、ライブREST APIや自動生成されたWebアプリにデプロイすることができる。
  論文  参考訳（メタデータ） (2023-09-27T15:24:39Z)
• SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
  SoTaNaはオープンソースのソフトウェア開発アシスタントだ。 ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。 オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
  論文  参考訳（メタデータ） (2023-08-25T14:56:21Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
  モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。 特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• Toward a traceable, explainable, and fairJD/Resume recommendation system [10.820022470618234]
  自動採用システムの開発は今でも大きな課題の1つだ。 我々の目的は、JD/Resumeマッチングプロセスを強化するために、現代言語モデルと知識ベースとデータセットを組み合わせる方法を探ることである。
  論文  参考訳（メタデータ） (2022-02-02T18:17:05Z)
• LPar -- A Distributed Multi Agent platform for building Polyglot, Omni Channel and Industrial grade Natural Language Interfaces [0.299146123420045]
  本稿では,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介する。 現在のデプロイメントは、基盤となるConversational AIプラットフォーム(オープンソースまたは商用)に大きく依存する傾向がある。 これらの課題に対処するため,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介した。
  論文  参考訳（メタデータ） (2020-06-25T19:20:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。