본 논문은 현대 채용 시스템의 핵심 요소인 인재 검색의 효율성을 높이기 위한 새로운 프레임워크를 제시한다. 이 프레임워크는 (i) LLM을 활용하여 직무 설명 및 과거 채용 데이터를 통해 미세한 채용 신호를 추출하고, (ii) 역할 인지 다중 게이트 MoE 네트워크를 사용하여 채용 담당자 역할 간의 행동 차이를 포착하는 두 가지 주요 혁신을 특징으로 한다. 또한, 클릭률(CTR), 전환율(CVR), 이력서 매칭 관련성을 공동으로 최적화하는 다중 작업 학습 모듈을 도입하여 노이즈를 줄인다. 실제 채용 데이터 및 A/B 테스트에서 CTR의 상대적 AUC 1.70% 증가, CVR의 5.97% 증가, 클릭 전환율의 17.29% 증가를 보였으며, 연간 수백만 위안의 비용 절감을 가능하게 했다.
