Avature AI 建立在长达十年的多语言文本处理、语义学和机器学习经验之上。自2013年发布简历解析器以来，我们不断强化 AI 战略，使这项技术成为 Avature 平台的核心组成部分。因此，Avature AI为越来越多能够改变整个人才生命周期中所有用户体验的功能提供了支持。
我们在研发方面进行了持续投资，以确保平台始终处于智能企业软件的领先地位。同时，多年来我们与全球组织和政府机构的合作所积累的知识和经验，使我们能够开发出能够准确预测并为追求卓越人力资源表现的组织优化用户体验的算法。
我们的 AI 开发方法带来了一系列强大的功能，可以增强招聘和人才管理流程。
我们从不追逐潮流，我们引领潮流。NLP 团队通过在同行评审的学术期刊上发布Avature AI的研究成果，并在专业会议中展示其技术进展，积极为人工智能领域做出贡献。
在这篇论文中，我们的团队通过将从简历中提取的教育信息转化为学历水平和学科领域来进行标准化。他们还定义了一套新的学科领域分类体系，并展示了如何将该流程应用于候选人与岗位的匹配。
从简历中提取信息通常分为两个阶段。我们的 ML 团队建议使用神经网络架构来同时处理这两个阶段。该模型提高了系统效率以及7种语言简历解析的准确性。
其他机器学习模型使用监督学习技术来衡量岗位名称之间的语义相似度，这些技术是在大量手工标记的数据上训练得来的。我们提出了一种无监督的表征学习方法，该方法同样有效且成本更低。
近日，Avature 被西班牙数字化转型部选中，与巴斯克大学（UPV/EHU）世界一流的 HiTZ 语言技术中心合作，推出了首个“人工智能与语言技术研究”的先进课程。
在快速发展的 AI 领域，该课程可将学术和商业视角结合在一起，以促进研究、维护 AI 的开发并最大限度地发挥其影响。
Avature 的 AI 方法遵循美国国家标准与技术研究院（NIST）发布的《人工智能风险管理框架（AI RMF 1.0）》的指导原则。我们优先考虑与最新法规保持同步，这一点从我们最近按照纽约市偏见审计法进行的自动化就业决策工具审计中可以得到证实。
纽约市偏见审计法
我们将 AI 设计为一个决策支持系统，其输出始终是可解释、可访问和可调整的。这使得 Avature 成为那些希望在大规模优化招聘、人才管理、员工培训和再技能培训的企业的理想选择。
