European Skills Competences Qualifications And Occupations
PulseAugur coverage of European Skills Competences Qualifications And Occupations — every cluster mentioning European Skills Competences Qualifications And Occupations across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
研究发现大学计算机课程与就业市场需求不匹配
一项新近发表在arXiv上的研究分析了大学计算机课程与劳动力市场需求之间的匹配度。萨格勒布信息技术学院的研究人员开发了一种方法，将课程学习成果与从招聘信息中提取的能力进行比较。他们的分析揭示了在系统、软件工程和安全等领域存在系统性的内容差距，并且课程的总体认知水平低于市场要求。
-
JobHop v2 数据集发布，包含来自 LLM 提取简历的 355K 职业轨迹
研究人员发布了 JobHop v2，这是一个从超过 440,000 份多语言简历中提取的职业轨迹扩展数据集。该数据集利用 LLM 从 VDAB（佛兰德公共就业服务机构）提供的简历中提取信息构建而成，包含 355,315 条职业路径，并附有 ESCO 职业代码和时间信息等详细注释。该项目旨在通过提供更丰富、更易于访问的劳动力市场分析资源，支持劳动力规划和职位推荐。
-
NLP框架使大学课程与就业市场需求保持一致
研究人员开发了一个新的NLP框架，以更好地使教育课程与劳动力市场需求保持一致。该系统使用双模型LLM集成和Sentence-BERT来提取和匹配能力，解决了现有词汇方法的局限性。该框架应用于计算机科学项目，识别了学术课程与就业市场需求之间的具体技能差距和对齐领域。
-
AI预测墨西哥汽车行业绿色技能需求
研究人员开发了一个计算框架，用于跟踪和预测墨西哥汽车行业内对绿色技能的需求。通过分析在线招聘信息中的200,000多条技能记录，该研究确定了274种独特的绿色技能，目前的需求集中在运营可持续性方面。分析还强调了在可再生能源、回收和氢技术方面的新兴技能，其中像FEDformer这样的Transformer模型表现出最佳的预测性能。
-
新的混合微服务采用KG优先、LLM回退的方式进行技能搜索
研究人员开发了一种名为SkillGraph-Service的新型微服务，以解决将ESCO和O*NET等劳动力市场能力框架集成到教育系统中的复杂性。该服务采用混合架构，优先使用知识图谱（KG）处理结构化数据，并使用大型语言模型（LLMs）作为特定任务的回退。这种方法结合了符号推理和灵活的LLM能力，以低延迟实现了高检索效率。
-
发布Chinese-SkillSpan数据集用于招聘技能提取
研究人员发布了Chinese-SkillSpan，这是首个专门用于从中文招聘广告中提取工作相关技能的数据集。该数据集与ESCO职业技能标准对齐，通过结合LLM驱动的标注和专家评审的流程创建。该数据集包含2014年至2025年间从主要招聘平台收集的超过20,000个标注实例。Chinese-SkillSpan旨在填补中文JobSkillNER资源的空白，并促进智能招聘领域的研究。
-
通过以大语言模型为中心的多模块框架进行职位技能提取
研究人员开发了一个名为SRICL的新框架，以使用大语言模型改进从招聘广告中提取职位技能。这种以大语言模型为中心的方法结合了语义检索、上下文学习和监督微调以及一个确定性验证器，以解决格式错误的跨度（spans）和幻觉等问题。SRICL在多个数据集上的严格F1分数方面显示出显著的改进，减少了无效标签，并能够在多样化和低资源环境中更可靠地部署。