EHR-Bench

新的EHR-Bench基准评估中文招聘AI模型

研究人员推出EHR-Bench，一个旨在评估中文招聘任务中大型语言模型（LLMs）的新基准。该基准包含六个能力家族和五个招聘场景下的十二个不同任务，涵盖生成、提取、分类、检索、语义相似度和排名。EHR-Bench使用内部招聘数据集和公开材料构建，产生了8,336个具有可追溯来源的任务实例。对十二个LLMs的评估显示了模型在不同任务上的能力差异，其中一些模型在私有运营参考上的相对表现得以保持。