针对人力资源应用领域的特定小语言模型（SLM）的评估与优化

本论文探讨人力资源领域小型语言模型（SLM）的评估与联合优化问题，其中回答质量具有主观性且需符合法律要求。研究提出一种基于公共基准测试（HR-Eval）的测量理论，并通过多目标优化及合成数据的应用，解决算法偏见与公平性方面的复杂问题。

职位说明： 项目描述： 本论文致力于解决一个目前仍属未解的科学问题：如何可靠地评估，并共同优化专为特定领域设计的紧凑型语言模型（小型语言模型，SLMs），在此类领域中，“良好答案”的概念既非事实性亦非明确性，而是具有情境性、主观性且受法律约束。 作为研究领域选择的人事（HR）领域，融合了以下三种特性：预期的答案取决于组织环境；专家之间可能存在合理的分歧；同时受劳动法、GDPR 及欧洲 AI 法案的约束，其中欧洲 AI 法案将应用于人力资源领域的 AI 系统归类为高风险系统。 在医学、法律与金融领域已存在专门的模型及专用评估基准（如 Med-PaLM 2、LegalBench、BloombergGPT）的情况下，人力资源领域目前尚缺乏具有科学依据的评估框架。 本论文提出：(i) 一种针对真值依据较弱的生成任务的测量理论，该理论通过公共基准测试 HR-Eval 得以实现，并包含明确的心理测量保证（标注者间一致性、LLM评判者的可靠性、偏见敏感性）；(ii) SLM专业化作为多目标优化问题的形式化描述（业务质量、公平性、计算成本），并在帕累托前沿进行求解，而非通过临时聚合方式解决；以及 (iii) 一种构建敏感语料库的方法，该方法将匿名真实数据与合成数据相结合，并对合成过程引入的偏见进行量化。 由 OloSuite HR SaaS 套件提供的 CIFRE 工业框架，确保了数据访问权限、在真实应用情境中验证研究结果以及成果的转化。

所需个人背景与技能要求： 申请人拥有计算机科学硕士（M2）或工程学位，并专攻机器学习和/或自然语言处理领域。 所求的资格要求包括扎实的机器学习与统计学训练（假设检验、标注者间一致性度量、不确定性估计），对 Python 及深度学习生态系统（PyTorch、Hugging Face Transformers/PEFT）的精通，以及针对语言模型进行微调或评估的实践经验（M2 项目、实习经历或开源贡献）。 了解多目标优化，关注算法公平性和监管合规问题（GDPR、AI 法案），以及具备流利法语能力，均为加分项；其中法语有助于处理 HR 人力资源语料和标注工作。同时期望具备实验严谨性、独立能力，并能够在实验室与公司双重环境中协作工作，此外还需对具有社会影响力的应用及负责任人工智能领域有浓厚兴趣。