✦ 以人為本的招募。語意理解。確定性評分。
具備語意化的招募
Expertini ATS 結合了全方位語意理解與確定性候選人配對評分 (Deterministic Candidate Match Scoring™),根據佐證 — 而非關鍵字 — 來評估候選人。每項建議皆可解釋、可重現,且完全在人類掌控之中。
為重視證據、一致性與透明度的 HR/招募人員打造。
自 2008 年起 · 獨立營運
確定性評分,而非黑箱猜測
每個分數皆可稽核並引述證據
Expertini 專屬 CMS 分數
96%
Michael J.
資深全端工程師
比對含意,而不僅僅是文字。
全方位語意理解依語意與佐證閱讀履歷 — 而非關鍵字堆砌
智慧系統輔助理解僅用於語言理解 — 絕不用於指派分數
確定性評分相同的輸入。相同的佐證。相同的分數。每次都一樣。
由人類決定評分僅供您做判斷參考 — 絕不取代您的判斷
EXPERTINI ATS 如何運作
透明。可重現。可辯護。
在有幫助的地方進行語意理解,在重要的地方進行簡單算術,最後由人工做出決定。每個分數都可以追溯到產生它的證據。
步驟 1 · 了解職位
閱讀職缺
在任何人獲得評分之前,我們確保職缺本身已被充分理解——使用雇主自己的話語,而不是範本。
- 每個需求都會根據雇主的用詞進行識別與加權 —「必須具備」和「必要」擁有最高權重(JRIS 90–100)、「偏好」居中(50–70)、「加分項」最低(30–50)
- 硬性封鎖條件會被單獨標記,因此缺少強制性資格不會被其他地方的高分所平均掉
- 權重清晰可見且可調整 — 沒有任何東西是在您背後推論出來的
- 自然書寫;無需學習特殊的語法
小提示:您的「必須/偏好/加分」用詞越清晰,您的決選名單就會越精準。我們的智慧推薦草擬助理正是以此結構進行寫作。
步驟 2 · 理解個人特質
個人身分資訊匿名化
履歷是個人的故事。我們萃取證據 — 並在分析開始前移除所有可能使閱讀者產生偏見的內容。
- 技能、經驗、教育和認證是從 PDF 或 DOCX 履歷中擷取
- 姓名、年齡、性別標記、相片與位置識別符會在任何語意分析之前遭到去除 — 配對引擎永遠不會看到它們
- 完整的原始履歷將保持可用,供您的真人審查員隨時查閱,完全如當初提交的一樣
- 預設符合 GDPR:候選人資料會在 24 個月後刪除,且候選人會在當地的 Expertini 網站上獲得一個真實帳戶來管理這些資料
排名依據技能佐證 — 絕不依據姓名、年齡、性別或居住地。
步驟 3 · 全面語意理解
依含意媒合
傳統關鍵字搜尋獎勵的是玩弄流行語的人。語意理解能找到真正做過這些工作的人。
- 「主導支援 200 萬名使用者的 Django 遷移」符合 Python 需求 — 即使「Python」這個詞從未出現
- 各項需求皆會獲得由佐證該需求的特定履歷段落所支援的候選人技能分數 (CSS)
- 語言理解是唯一使用智慧技術的地方——它負責讀取和關聯文字,絕不會指派分數
- 每一個配對都連結回其佐證,讓您能在幾秒鐘內驗證任何主張
據我們所知,沒有其他 ATS 能在維持評分完全確定的情況下,全規模執行語意配對。
步驟 4 · 確定性評分
以數學進行評分
對人類進行排名的數字必須是您可以檢查的數學計算 — 而非模型的意見。
CMS = Σ (CSSi × JRISi) / Σ JRISi
- 一項已發布的公式:每個技能分數乘以其需求權重,加總後正規化 — 這就是完整的計算方式
- 相同的履歷 + 相同的職缺描述 = 相同的分數,每次都一樣,永遠不變
- 此方法已提交至公開研究庫供研究人員評估,並已公開記錄 — 稽核人員、法律團隊和候選人都可以詳細閱讀分數是如何產生的
- 沒有隱藏的模型權重、沒有飄移,也沒有「演算法決定的」黑箱
完整方法論已發布於 research.expertini.com — 《從隨機到決定性》(Expertini 研究團隊,2026 年)。
步驟 5 · 人工通話
由您決定
CMS 負責排名前後與解釋。您的團隊負責面試、評審與錄用。此順序絕不顛倒。
- 候選人按維度層級分佈排序抵達 — 精確查看每個人證明了哪些要求以及程度
- 不同意某個分數?所有輸入皆清晰可見,因此您可以查看原因並依自己的判斷採取行動
- 您團隊的階段異動、評分與面試回饋與分數並存——系統提供資訊,由人類做決定
- 完整的稽核軌跡記錄了每個決策,隨時準備好接受任何合規審查
一款誠實的工具能讓您的判斷更快且記錄更完善。它無法取代您的判斷。
線上 · CMS 引擎沙箱
拖曳權重。觀察數學運算。
這是真正在生產環境中執行的精確公式:CMS = Σ(CSS × JRIS) / Σ(JRIS)。JRIS 是雇主認為需求有多關鍵的指標;CSS 是在匿名履歷中找到的證據。沒有智慧系統會干預這個數字 — 儘管試著讓它產生幻覺。您做不到。
—
硬性阻擋條件已啟用 — 一項強制性要求完全沒有證據。CSS 固定為 0;其他地方的優勢無法掩蓋此缺點。
Σ(CSS × JRIS) = 0
Σ(JRIS) = 0
CMS = 0 / 0 = 0
相同的輸入 → 每次執行都能得出相同的分數。
此透明度會顯示在每位候選人的稽核 PDF 上。
見證決策
我們為何接受 — 我們為何拒絕。
將候選人拖曳至「入選名單」或「拒絕」 — 或點擊 ✓ / ✗。確定性引擎會即時解釋其推理過程,使用該分數背後的相同規則矩陣與佐證。
具決定性的引擎顯示:Sophia M.
此職缺的硬性要求 — 通過/不通過關卡,獨立於總分之外
排名 → 決策
智慧排序 · 拖曳標籤,或使用 ✓ ✗ ⇪ — ⇪ 會將該候選人的佐證載入下方的沙箱中
CMS 分數的力量
全方位候選人評估 超越關鍵字配對
Expertini CMS 根據您的實際職缺描述評估每位應徵者,評估維度超過 10 個。瀏覽 7 大產業 — 分數、合規性檢查以及底層語意匹配會同步變更。
相同的十多個維度, consistently 應用於每個產業 — 絕非通用範本,永遠源自真實的職缺描述。
技能與能力
語言能力
經驗與角色相似度
薪資期望
產業與領域媒合
資歷級別
教育背景與證照
文化契合度(智慧驅動)
地點與可用性
職涯成長潛力
語意配對如何適用於 IT
我們比較的是意涵,而非字詞。
每個履歷摘錄與職缺要求皆會轉換為向量 — 代表意義的數千個數字。引擎會測量向量之間的夾角:餘弦相似度。角度越近,意義越相近,無論共用的詞彙為何。
超越分數 — 相同的沙盒,完整的漏斗
篩選只是第一步。評估、面試、做決定——盡在同一個地方。
此平台還能根據您的職缺描述產生職位專屬評量、進行非同步視訊面試,並將每項審查記錄在候選人的檔案中。試用下方的展示 — 包含範例資料,完全互動式。
1 · REST 端點在部署後突然傳回過時資料。最可能的首要檢查項目為何?
對變更的回應進行快取標頭 / CDN 失效處理
重新命名端點並重新部署
增加伺服器的 CPU 配置
2 · 在 1,000 萬筆資料的表格中,依 customer_email 進行篩選的查詢速度很慢。標準的修正方法為何?
將表格載入應用程式記憶體中
將欄位切換為全文搜尋
在 customer_email 上新增索引
3 · 兩個服務需要相同的驗證邏輯。最佳實務為何?
將程式碼複製到兩個服務中
将其萃取至共用且具版本控制的程式庫中
將所有通話路由透過單一服務進行驗證
在產品中,系統會根據
您的工作職缺描述產生
個問題(5–50 個,混合題型)。選擇題會在提交時自動計分;申論題與程式題則交由智慧審查並支援逐題人工覆核 — 分數絕不會自動拒絕任何人。
1 · 利害關係人在衝刺期間中途要求新功能,並聲稱非常緊急。您首先會怎麼做?
悄悄加上並加班完成以塞進行程
釐清影響,然後與產品負責人公開重新排定優先順序
婉拒 —衝刺階段已鎖定,恕不通融
2 · 您強烈不同意同事對您工作的審核意見。您的下一步?
憑證據一對一討論,若仍無法達成共識再升級處理
仍要套用變更以避免衝突
公開回覆並解釋他們為何錯誤
產品中的情境答案會對照隱含的指導評分標準進行審查 — 智慧工具會提出帶有理據的分數,並由人類招募人員確認或覆寫每個要點。
真實範例答案 — 包含語音等。候選人可在自己的時間錄製結構化答案,無需排程;錄音會保留在候選人的申請中,並對您的招聘團隊開放。
Emily J.Q1 ·「請向我們介紹一個令您引以為傲的專案」· 0:08
您的評分
結構化訊號
確定性配對基於規則的引擎,實現 100% 可重複性
無偏見招募在任何 LLM 分析之前去除個人識別資訊 (PII)
在 30 分鐘內看見您的下一位優秀人才。
預約線上展示 — 我們將在您面前針對真實職缺說明對真實候選人進行評分,然後提供您免費試用。
預約展示 — 免費試用