ResumeFlow: An LLM-facilitated Pipeline for Personalized Resume Generation and Refinement

许多求职者，尤其是初入职场的人，都觉得制作一份与职位要求完全匹配的简历很具挑战性。虽然强烈建议求职者将简历量身定制到特定职位，但手动根据工作描述和职位要求来定制简历通常非常耗时，并且容易出现人为错误。此外，同时申请多个职位并进行此类定制步骤可能导致编辑简历的质量不高。为了解决这个问题，在本文演示中，我们提出了ResumeFlow：一种大型语言模型（LLM）辅助工具，使终端用户只需提供其详细简历和所需的工作发布信息，即可在几秒钟内获得一份专门针对该特定职位发布的个性化简历。我们提出的流程利用了最先进的LLM，如OpenAI的GPT-4和Google的Gemini的语言理解和信息提取能力，以（1）从职位描述中提取详细信息，（2）从用户提供的简历中提取特定职位的详细信息，然后（3）使用这些信息来完善和生成用户的特定职位的简历。我们易于使用的工具以完全现成的方式利用用户选择的LLM，因此无需进行微调。我们通过视频演示展示了我们工具的有效性，并提出了新颖的任务特定评估指标来控制对齐和幻觉。我们的工具可在https://job-aligned-resume.streamlit.app上获得。

提供一种大规模语言模型辅助的简历定制工具，使求职者能够在几秒钟内获得与特定职位要求相匹配的个人简历。

使用大规模语言模型（如OpenAI的GPT-4和Google的Gemini）提取职位描述和用户提供的简历中的角色特定细节，并使用这些信息生成与职位要求相匹配的简历。

论文提出了一种简单易用的工具，可以在不需要调整的情况下使用用户选择的大规模语言模型，同时还提出了新的任务特定的评估指标来控制对齐和幻觉。该工具已经开源并可在网站上使用。

最近在这个领域中，还有一些相关的研究，如《基于语义相似度的简历自动匹配算法研究》、《智能简历生成技术研究》等。