一位曾在 招聘桌两边都坐过的人.
在Curriculo ATS之前，Dev花了多年时间研究决定人们看到什么的系统。推荐引擎。排名管道。将大量输入排序为五到十个重要内容的机器。这种工作教会你一个沉默的真理：排名的公正性取决于你输入的信号。信号错误，整个系统就会大规模地延续偏见。
这一教训伴随Dev进入招聘领域。看着团队将简历通过关键词过滤器，这些过滤器奖励简历调优而不是实际工作，然后抱怨短名单感觉稀薄。招聘工具衡量的东西与招聘实际需要之间的差距变得无法忽视。Curriculo诞生为解决方案：一个根据候选人实际构建的内容而不是他们输入的内容来评分的系统。
关键词匹配奖励那些已经知道游戏是如何被操控的人。 成果奖励那些付出努力的人。”
此处路径， 简短.
Dev 的背景处于机器学习和已投入生产使用的软件之间的交叉领域。在 Synopsys，工作围绕的是必须在大规模下保持精确的系统：那种工程失误，一个偏移一的错误是以硅片来衡量，而不是以工单来衡量。在亚马逊，核心是搜索与推荐：不断对人们接下来可能想要什么做出细微的判断。
这种严谨与相关性的结合，是 Curriculo 在招聘思考中的核心。影响力评分并非魔法。这是一个排名函数，其构建依据是招聘经理在不得不口头解释其决策时实际会引用的信号。
职业笔记
每个角色， 一个一致的问题.
在此路上的每一个角色都塑造了 Curriculo 的排名：什么算作证据，什么算作噪声，以及当你无法分辨两者时，由谁来承担代价。
- 赛普拉斯 · 机器学习工程
规模化精准工程。
软件和 ML 在公差要求严格且错误答案代价高昂的场景中发挥作用。这里确立了偏向可测量信号（数字，而非感觉）的倾向。
- 亚马逊 · 搜索与推荐
学习排名系统是如何失效的。
多年来，在针对不同类型候选人——产品、成果、内容——的评估体系上。排名系统在大规模应用中的每种失效模式（反馈循环、冷启动、不良代理）如今也体现在招聘软件中。值得注意。
- 2024年，Curriculo在布鲁克林成立，NY
先从简历方面入手。
Curriculo推出了其 AI简历生成器 ，旨在帮助候选人以招聘经理的阅读方式来撰写简历：围绕成果而非流行词汇进行结构化呈现。观察候选人如何描述他们的工作，将一份出色简历的构成从主观意见转化为数据。
- 今天 · Curriculo ATS
一个能准确评分简历内容的 ATS。
反向运行的同一信号框架：一个招聘跟踪系统，它以 Curriculo 教导候选人撰写简历的方式来阅读简历。初创企业和小型团队使用它，用0到100的“影响力评分”取代关键词过滤器，该评分经得起审查。
开发人员构建的方向
和 ATS 值得信任的三大不可妥协原则.
结果重于形容词。
衡量创收、团队规模扩展以及系统交付情况。形容词堆
默认可审计性。
评分应附带招聘经理可读的推理说明。人类可以在房间里做出的决定。
按数据
到目前为止，工作进展到 .
- 200+ATS 测试版中的创始团队
- 75%筛查时间减少
- 15 分钟从注册到第一份评分简历
尝试使用Dev构建的内容
用 顶级人才的方式，评估你的下一位候选人.
免费发布您的第一份职位。无需信用卡，无需按席位计费，无需实施项目。仅展示按影响力评分排名的候选人收件箱。
更多关于公司的信息，请访问 关于 Curriculo 页面。