في عالم الذكاء الاصطناعي، باتت نماذج اللغة الكبيرة (Large Language Models) ضرورة لا غنى عنها لتقييم السير الذاتية، وخاصة في سياقات التوظيف. ومع ذلك، تسلط دراسة حديثة الضوء على ظاهرة غير متوقعة تُعرف بتسريب المعلومات الديموغرافية من السير الذاتية غير المعروفة الهوية.

توحيد التفكير السائد يفترض أن حجب الحقول الصريحة يُجنب تسرب المعلومات الديموغرافية. لكن نتائج جديدة تظهر أن التحليلات تُعزى إلى اللغات المعلنة في السير الذاتية.

الهدف من الدراسة كان فحص ما إذا كان التخلص من حقول اللغة يُمكن أن يحل مشاكل تسرب المعلومات عبر مجموعة من تسعة نماذج مفتوحة الوزن و620 سيرة ذاتية مضادة.

في تجربة مثيرة، تم التأكيد على أن استعادة المعلومات المتعلقة بالمجموعات المستهدفة حققت متوسطاً قدره 0.757، مشيرًا إلى أنه في الظروف العالية السلاسة، يُمكن تحقيق استعادة كاملة بنسبة 1.000. وهذا يُظهر أن النصوص غير المتعلقة باللغة لا تزال تحتفظ بإمكانية استنتاج المعلومات الديموغرافية.

الأدوات تستخدم أيضا تقنيات تحليل متعددة لتحديد مدى تأثير تصميم التقييم على النتائج؛ حيث العلامات الواضحة تؤول إلى نتائج تفاوتات ملحوظة. هذا يتطلب تقييمًا دقيقًا للغاية لفهم كيف يؤثر التصميم على استنتاج المعلومات، مما يؤدي إلى خلافات بين النتائج التي يمكن استردادها من محتوى السير الذاتية وأثر بروتوكولات التقييم.

هذا البحث ليس مجرد تحليل غير متوقع، بل يُبرز الحاجة إلى تطوير أساليب تقييم أكثر دقة لتقليل التحيز وضمان العدل في قرارات التوظيف.