原来这份简历是AI帮忙做的?!

2020 年 10 月 20 日 学术头条


秋招轻轻地走了,但是对于想要找一份靠谱实习的大学生们来说,一切都还没有停止。

 

想要找到一份好的实习经历,好的简历必不可少。

 

但是,一想到制作简历就“一个头两个大”,要是有什么方法可以自动生成简历就好了。

 

 

现在,文摘菌给大家带来了一个好消息,同样受到制作简历的困扰,Reddit上的一个网友用深度学习就真的制作了这么一个简历生成器,使用者不仅可以用JSON编写自己的简历,还可以公开托管

 

够了,听上去已经值得无数次心动了,不少网友也在帖子下方留言表示,“太棒了,感谢你”。

              

用AI生成了一份完全虚假的简历


制作简历前,你首先需要知道,一份标准的简历应该长什么样:
 

   
   
     
{ "basics": { "name": "John Doe", "label": "Programmer", "picture": "", "email": "john@gmail.com", "phone": "(912) 555-4321", "website": "http://johndoe.com", "summary": "A summary of John Doe...",

然后,你就可以利用数千份已有的简历数据,建立起针对每个属性部分的模型。
 
一些需要着重关注的部分已经在 GitHub 上开源了:
https://github.com/jsonresume/jsonresume-fake/tree/master/models
               
准备好了之后,我们就可以试试看最终的生成效果了。
 
比如,你看看这份简历,这位名叫 Brin Coordsen 的应聘者是一名软件工程师,他能够自动化地运用工具,希望可以把专业和不同项目风格结合起来。
               
在工作经历上,Coordsen 也是经验丰富,他先后在几家互联网公司工作过,也都担任了项目负责人等要职。
               
甚至还有两封来自前同事的推荐信,可以说完全可以做到以假乱真的地步了。
 
不过,仔细看会发现,这份简历存在着不少语法错误和拼写错误,看来AI捏造假简历的本事还有待提高啊。
 
整个项目在 GitHub上 也已经开源了,有兴趣的同学欢迎围观:
https://github.com/jsonresume/jsonresume-fake

除了自动生成简历,有人还做了一个自动投简历的程序

当然,只是自动生成简历还是不够的,投递简历也是十分费时费力的,要是AI 也能够把这项工作包揽下来就好了。
 
还别说,文摘菌发现,真的只有想不到,没有别人没做过的。这不,medium 上的一位博主 Robert Coombs 还真就做了这件事,而且他还发现了一些小秘密。
 
Coombs 写了一个鲁布·戈德堡式的精巧爬虫程序、电子表格和脚本来把求职过程自动化,该程序第一次启动时,仅用了去街对面买咖啡的时间,就帮助他申请了 1300 份中西部的工作。
 
后续,经过数次迭代和解决了一些尴尬的小问题之后,该程序的 5.0 版本在三个月内帮助申请了 538 份工作。
 
不过,在他追踪了自己的求职信、简历或者领英档案被浏览的次数,以及电子邮件的回复后发现,用机器人申请工作这招似乎并不管用
 
据 Coombs 本人表示,他所做的不只是把同样的内容发送到给职位邮箱上,他还测试了不同的邮件标题、不同版本的简历和求职信。但是结果是,尽管回复会有些许不同,但是差距不大,真人阅读邮件时看起来没什么不同。
 
为此,他还专门做了一项A/B测试,把一封正常的求职信和第二句中承认了是由机器人发送的邮件进行了对比:
               
你以为不同的求职信会得到截然不同的回复吗?但是,事实证明,并不是这样的。
 
对于求职者来说,想要在众多简历中脱颖而出才是最重要的,但是,这个结论似乎有些令人沮丧,因为没有人会来认真阅读这些求职信,哪怕是像求职者追踪系统这样的机器人。
               
在 Agile.Careers 工作的斯科特·乌里格表示:“大约 80%的职位从来没公布过,而对于更高级别的职位,这个比例可能达到 90%。”被公布的职位竞争非常激烈,但是求职者追踪系统在挑选出最好的候选人方面却做得很差,不过,我们也不能忽略最重要的事实,那就是很多职位都没有被公布过。
 
换句话说,你提交的申请比一般求职者多两倍、三倍或是十倍,数量其实不重要,数量对你的帮助微乎其微,因为影响因素超出了你(或你的机器人)的控制范围。
 
不过,也不要灰心丧气,Coombs 就从机械地申请上千份工作中学到了三个教训:
  • 关键不在于你怎样申请,而在于你认识的推荐人
  • 公司试图以最小的风险来填补一个职位,而不是寻找打破常规的人;
  • 你申请了多少工作与你是否会被考虑没有关系,你没有机会申请的工作也不会考虑到你。
 
于是,Coombs 决定放弃传统的求职方式,不管是手动申请还是用机器人。
 
此前他在一家非盈利组织工作,现在,他这部分的工作时间缩减为每周三天,其他时间他决定用来去结实更多有趣的人。当然,他也希望其中会有人带走他的简历,并放到一堆简历的最上面。
 
文摘菌在这里也不是想要打击大家的求职积极性,也绝非鼓吹大家可以效仿,只是,在这个过程中,还是要找到自己的节奏,工作不是万能的,心态和身体更重要。
 
相关报道:
https://www.reddit.com/r/MachineLearning/comments/j7aeyf/p_i_made_an_entirely_fake_resume_generator_it_has/
https://medium.com/fast-company/i-built-a-bot-to-apply-to-thousands-of-jobs-at-once-heres-what-i-learned-46ece659593e


点击 阅读原文 ,查看更多精彩!
喜欢本篇内容,请 分享、点赞、在看
登录查看更多
1

相关内容

GitHub.com 使用 Git 作为版本控制系统(version control system)提供在线源码托管的服务,同时是个有社交功能的开发者社区。 国外类似服务: Bitbucket.com
Gitlab.com
国内类似服务:
Coding.net
专知会员服务
15+阅读 · 2021年1月23日
《机器学习思维导图》,一图掌握机器学习知识要点
专知会员服务
68+阅读 · 2021年1月12日
如何学好数学?这有一份2021《数学学习路线图》请看下
Python机器学习经典实例,366页pdf
专知会员服务
102+阅读 · 2021年1月2日
专知会员服务
38+阅读 · 2020年9月6日
【KDD2020-Tutorial】自动推荐系统,Automated Recommendation System
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
160+阅读 · 2020年5月14日
有了这个开源项目,说你是老板都有人信?
程序猿
3+阅读 · 2019年9月8日
作为字节跳动的研发面试官,有些话我不得不说!
互联网架构师
12+阅读 · 2019年4月22日
这个问题真不会,求大神帮忙解答
Python程序员
7+阅读 · 2019年4月12日
入行量化,你必须知道的几点
深度学习与NLP
12+阅读 · 2019年3月5日
【校招之学长分享】“职”在NVIDIA VLSI PD,了解一下?
英伟达NVIDIA中国
11+阅读 · 2018年8月13日
刚开始学编程?这几款小工具能让你事半功倍
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
Arxiv
23+阅读 · 2020年9月16日
Deep Face Recognition: A Survey
Arxiv
17+阅读 · 2019年2月12日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
7+阅读 · 2018年1月31日
Arxiv
25+阅读 · 2018年1月24日
VIP会员
相关VIP内容
专知会员服务
15+阅读 · 2021年1月23日
《机器学习思维导图》,一图掌握机器学习知识要点
专知会员服务
68+阅读 · 2021年1月12日
如何学好数学?这有一份2021《数学学习路线图》请看下
Python机器学习经典实例,366页pdf
专知会员服务
102+阅读 · 2021年1月2日
专知会员服务
38+阅读 · 2020年9月6日
【KDD2020-Tutorial】自动推荐系统,Automated Recommendation System
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
160+阅读 · 2020年5月14日
相关资讯
有了这个开源项目,说你是老板都有人信?
程序猿
3+阅读 · 2019年9月8日
作为字节跳动的研发面试官,有些话我不得不说!
互联网架构师
12+阅读 · 2019年4月22日
这个问题真不会,求大神帮忙解答
Python程序员
7+阅读 · 2019年4月12日
入行量化,你必须知道的几点
深度学习与NLP
12+阅读 · 2019年3月5日
【校招之学长分享】“职”在NVIDIA VLSI PD,了解一下?
英伟达NVIDIA中国
11+阅读 · 2018年8月13日
刚开始学编程?这几款小工具能让你事半功倍
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
相关论文
Arxiv
23+阅读 · 2020年9月16日
Deep Face Recognition: A Survey
Arxiv
17+阅读 · 2019年2月12日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
7+阅读 · 2018年1月31日
Arxiv
25+阅读 · 2018年1月24日
Top
微信扫码咨询专知VIP会员