Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.08019

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2507.08019 (cs)
[提交于 2025年7月8日 ]

标题: 信号还是噪声? 在情境变化和人类专家基准下评估大型语言模型在简历筛选中的表现

标题: Signal or Noise? Evaluating Large Language Models in Resume Screening Across Contextual Variations and Human Expert Benchmarks

Authors:Aryan Varshney, Venkat Ram Reddy Ganuthula
摘要: 本研究调查了大型语言模型(LLMs)在根据职位描述筛选简历时是否表现出一致的行为(信号)或随机变化(噪声),以及它们的性能与人类专家相比如何。 使用受控数据集,我们在相同和随机化的简历下,针对三种LLMs(Claude、GPT和Gemini)在不同情境(无公司、Firm1[跨国公司]、Firm2[初创公司]、简化情境)中进行了测试,并与三位人类招聘专家进行了基准比较。 方差分析显示,在八种LLM单独条件下有四种存在显著均值差异,并且LLM与人类评估之间存在持续显著差异(p < 0.01)。 配对t检验显示,GPT对公司情境适应性强(p < 0.001),Gemini部分适应(Firm1的p = 0.038),而Claude适应性最小(p > 0.1),而在所有情境下,所有LLMs与人类专家存在显著差异。 元认知分析突显了与人类评估方法明显不同的自适应加权模式。 研究结果表明,LLMs在详细提示下提供可解释的模式,但与人类判断存在显著差异,这为其在自动化招聘系统中的部署提供了依据。
摘要: This study investigates whether large language models (LLMs) exhibit consistent behavior (signal) or random variation (noise) when screening resumes against job descriptions, and how their performance compares to human experts. Using controlled datasets, we tested three LLMs (Claude, GPT, and Gemini) across contexts (No Company, Firm1 [MNC], Firm2 [Startup], Reduced Context) with identical and randomized resumes, benchmarked against three human recruitment experts. Analysis of variance revealed significant mean differences in four of eight LLM-only conditions and consistently significant differences between LLM and human evaluations (p < 0.01). Paired t-tests showed GPT adapts strongly to company context (p < 0.001), Gemini partially (p = 0.038 for Firm1), and Claude minimally (p > 0.1), while all LLMs differed significantly from human experts across contexts. Meta-cognition analysis highlighted adaptive weighting patterns that differ markedly from human evaluation approaches. Findings suggest LLMs offer interpretable patterns with detailed prompts but diverge substantially from human judgment, informing their deployment in automated hiring systems.
主题: 计算与语言 (cs.CL) ; 一般经济学 (econ.GN)
引用方式: arXiv:2507.08019 [cs.CL]
  (或者 arXiv:2507.08019v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08019
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Venkat Ram Reddy Ganuthula [查看电子邮件]
[v1] 星期二, 2025 年 7 月 8 日 01:34:21 UTC (295 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
econ
econ.GN
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号