详细内容或原文请订阅后点击阅览
Prompt Engineering 与 RAG 编辑简历
在 Azure 中运行无代码比较用于编辑简历的 Prompt Engineering 与 RAG 帖子首先出现在 Towards Data Science 上。
来源:走向数据科学的成就和资格，我发现求职面试的成功率较低，尤其是在过去一年左右的时间里。与其他人一样，我也考虑过使用大型语言模型 (LLM) 来协助简历创建和编辑。理想情况下，您应该为您申请的每一份工作创建一份新的简历，调整您如何表达您的工作经历，以匹配特定职位和公司的措辞和特点。如果您至少处于职业生涯中期，您应该拥有比简历所能容纳的更多的工作经验，并且需要确定从简历中删除哪些内容。 法学硕士可以帮助总结、改写和选择最相关的工作经验，为特定的职位发布定制简历。
在本文中，我们将研究如何在 Azure 中使用即时工程和检索增强生成 (RAG) 来补充法学硕士撰写简历的能力。法学硕士可以帮助您在没有 RAG 的情况下编写简历，但使用 RAG 可以让我们尝试 RAG 并确定 RAG 是否会带来更好的简历。我们还将完整的法学硕士与较小的语言模型进行比较。为了比较不同的情况，我们使用以下指标（根据 Microsoft）：
接地性：接地性评估模型答案与输入源信息的一致性程度。法学硕士应根据所提供的数据提供答复。任何超出所提供背景的回复都不适合撰写简历；我们不希望LLM弥补工作成果！
相关性：相关性衡量模型响应与给定问题的相关程度。 对于我们的案例，法学硕士应该提供与给定职位描述相关的简历内容。
连贯性：连贯性评估所提供的语言是否清晰、简洁且恰当。 这在简历中尤其重要，因为简洁和清晰是关键。
流利度：流利度衡量法学硕士遵守正确英语规则的程度。 简历内容应具有正确的语法和拼写。
首先，我要求它提供一个摘要：