Article
KI-gestuetzte Jobsuche mit Qwen3-8B
Intelligenter Job-Matcher mit begruendeter Bewertung
Ein Team des Build Small Hackathon hat einen KI-Assistenten entwickelt, der Lebenslaeufe gegen Jobausschreibungen matched und fuer jeden Treffer eine begruendete Bewertung liefert. Das System nutzt DeepSeek V4 Pro als Lehrer und Qwen3-8B als Schueler—ein klassisches Distillationssetup mit praktischem Nutzen.
Der Workflow ist dreistufig: Zuerst generiert das Modell Suchanfragen basierend auf dem Lebenslauf und Praeferenzen, dann laedt JobSpy die Ergebnisse von LinkedIn, und schliesslich bewertet das Modell jeden Treffer auf fuenf Dimensionen: Skills-Match, Relevanz der Erfahrung, Ausbildung, Branchenfit und Senioritaetslevel.
LoRA-Training und ZeroGPU-Deployment
Das Training erfolgte auf einem einzelnen A100 mit zwei separaten LoRA-Adaptern (Rank 16, Alpha 16)—eines fuer Query-Generierung, eines fuer Bewertung. Der Ansatz mit zwei Adaptern statt einem einzigen erwies sich als stabiler: Das Modell vermischte sonst JSON- und Prosa-Formate zwischen den Aufgaben.
Das fertige Modell laeuft als HuggingFace Space auf ZeroGPU mit llama.cpp. Das Streaming nutzt die OpenAI-kompatible API, sodass die begruendungen Token fuer Token in der UI erscheinen. Der Autor betont praefmen zwei Design-Entscheidungen: Llama-Instanzen innerhalb @spaces.GPU, um tote CUDA-Kontexte zu vermeiden, und ein einziger GPU-Call pro Submission statt pro Job.