机构名称：
¥ 10.0
本文将招聘视为一个上下文匪徒问题：要找到最好的工人，随着时间的流逝，公司必须平衡“剥削”（从具有可靠的往绩记录的群体中选择）与“示例”（从代表性不足的群体中选择以了解质量）。基于“监督学习”方法的现代招聘算法仅是为了剥削而设计的。替代，我们构建了一种简历筛选算法，该算法通过根据候选者的统计上升潜力来评估候选者来重视探索。使用从财富500强公司中招募的专业服务的数据，我们表明，这种方法可提高选择进行面试的候选人的质量（根据最终招聘率来衡量），同时还增加了相对于公司现有实践的演示多样性。对于传统的基于监督学习的算法而言，这是不正确的，该算法提高了招聘率，但选择了黑色和西班牙裔申请人少得多。一起，我们的结果强调了将探索纳入可能更有效和公平的决策算法中的重要性。
招聘作为探索
主要关键词
相关文件推荐
