BLOG
Sikai Blog
Recruiting-AI engineering, product and industry insight from the Xiaoxi data-science team.
Matching人岗匹配为什么需要解释，而不只是一个分数
比较特征贡献、原文证据和反事实解释，说明招聘匹配解释应该服务于核验、纠错与责任，而不是给黑盒分数加一段漂亮文案。
Read →
Matching利用图嵌入提升人岗匹配的效果
为提升人岗匹配与知识图谱产品的效果，我们与时俱进地将图嵌入（Graph Embedding）应用到模型中，不断迭代完善效能。
Read →
Document AI不先做 OCR，也能理解文档吗？OCR-free 路线解析
从 Donut、TrOCR、TILT 与 LayoutLMv3 出发，比较 OCR 管线和 OCR-free 文档理解的能力边界，以及简历解析该如何选择与评估。
Read →
AI governance《个人信息保护法》实施后，简历数据应该怎样处理
围绕目的限定、最小必要、告知同意、敏感个人信息、自动化决策与删除链路，给出招聘系统处理简历数据的工程检查框架。
Read →
Knowledge graph招聘知识图谱不是画关系图：实体、关系与质量约束
以 RDF、SKOS、SHACL 与 PROV 为基础，说明岗位、技能和经历如何建模成可治理的招聘知识图谱，而不是一张好看的节点网络图。
Read →
Knowledge graph知识图谱技术在招聘中的应用
2021，是知识的年代。我们以一系列文章介绍小析智能知识图谱产品——主要功能与应用场景、常见问题，以及背后的技术。
Read →
Data engineering招聘 AI 的数据从哪里来：简历标注体系如何搭建
从字段指南、双人复核、主动学习、弱监督与数据说明书出发，拆解简历标注如何从一次性外包变成可持续的数据工程。
Read →
Matching从关键词到语义空间：BERT 如何改变人岗匹配
从 BERT、Sentence-BERT 与人岗匹配领域迁移研究出发，解释语义表示如何突破关键词检索，以及为什么生产系统仍需要硬约束、重排与证据解释。
Read →
Matching强化学习在人才推荐中的应用
搜索与推荐在 AI 发展中占据重要地位。Learning to rank 常把排序视为静态问题，而强化学习让当前页的点击反馈用于优化下一页的排序。
Read →