Job Search Agent / 2026. augusztus 9.

Az LLM nem kapta meg az egész álláspiacot: csak a már leszűrt bizonytalan eseteket

A grounded AI requirement review szándékosan a determinisztikus ranking után futott, korlátozott mennyiségű jelölten. Így az LLM review kiegészítette, nem helyettesítette a kiszámítható rendszert.

2 perc olvasás
Job Search Agent
LLMgroundingrankinghybrid-AI

A helyzet

Kézenfekvő ötlet lett volna minden hirdetést LLM-mel értékelni. Ez költséges, lassú és nehezen reprodukálható, ráadásul sok esetben semmi szükség rá: egy explicit onsite USA role vagy teljesen más szakma determinisztikusan eldönthető. Az AI ott volt érdekes, ahol a requirement szöveg árnyalt.

A megoldási út

Előbb lefutott a role-aware, determinisztikus ranking és eligibility. Csak egy bounded top/uncertain halmaz ment grounded AI review-ra, ahol a modellnek konkrét hirdetésszövegből kellett must-have evidenciát idézhetően strukturálnia. A kimenet schema-vezérelt lett, és a rendszer megtartotta az alap score és az AI review külön eredetét.

Mi lett belőle

Az AI hozzáadott értéket az olyan mondatoknál, ahol responsibility és valódi kötelező követelmény nehezen különíthető el, de nem vált az egész rendszer egyetlen döntéshozójává. A teljes pipeline gyorsabb, olcsóbb és diagnosztizálhatóbb maradt.