Resumen:Este artículo desarrolla agentes de inteligencia artificial que ayudan a quienes buscan empleo a redactar solicitudes efectivas de referencias laborales en una comunidad profesional en línea. El flujo de trabajo básico consta de un agente mejorado que reescribe la solicitud de referencia y un agente evaluador que mide la calidad de las revisiones utilizando un modelo entrenado para predecir la probabilidad de recibir referencias de otros usuarios. Las revisiones sugeridas por el LLM (modelo de lenguaje grande) aumentan las tasas de éxito previstas para solicitudes más débiles y las reducen para solicitudes más sólidas. La mejora del LLM con recuperación de generación aumentada (RAG) evita ediciones que empeoran las solicitudes más sólidas y, al mismo tiempo, amplifica las mejoras para las solicitudes más débiles. En general, el uso de revisiones LLM con RAG aumenta la tasa de éxito prevista para solicitudes más débiles en un 14% sin degradar el rendimiento en solicitudes más sólidas. Aunque las mejoras en el éxito previsto por el modelo no garantizan más referencias en el mundo real, proporcionan señales de bajo costo para características prometedoras antes de ejecutar experimentos de mayor riesgo con usuarios reales.
Publicado originalmente en export.arxiv.org el 18 de enero de 2026.
Ver fuente original
