RAGMail: облачная система с извлечением контекста для уменьшения галлюцинаций при генерации текста LLM

Более умный подход к поиску работы на переполненном рынке

Отправлять холодное письмо рекрутеру иногда кажется тем же, что кричать в пустоту. Многие соискатели обращаются к инструментам ИИ, чтобы составить такие сообщения, но шаблонные или неточные письма скорее навредят, чем помогут. В этой работе представлен RAGMail — облачная система, которая создаёт персонализированные и проверенные холодные письма, сочетая большие языковые модели с актуальной информацией о вакансии и резюме кандидата. Цель проста: сэкономить время заявителей и при этом генерировать сообщения, которые одновременно личные и заслуживающие доверия.

Почему обычные AI‑письма ошибаются

Современные языковые модели впечатляюще бегло формулируют текст, но они часто «галлюцинируют» — уверенно придумывают навыки, опыт или детали вакансии, которые на самом деле не соответствуют действительности. Для соискателя это может означать письмо, где утверждается опыт с инструментом, которым он никогда не пользовался, или упоминаются обязанности, не указанные в объявлении. Такие ошибки быстро подрывают доверие. Авторы отмечают, что эти ошибки встречаются даже в продвинутых системах и что простое увеличение размеров модели не решает проблему надежно. Нужен способ привязать генерацию модели к реальной, верифицируемой информации.

Подкормка системы реальным контекстом

RAGMail решает эту задачу, рассматривая объявление о вакансии и резюме как единственный источник истины. Система автоматически извлекает описания вакансий с карьерных сайтов и парсит загруженные резюме, преобразуя оба в структурированные данные: списки навыков, проектов, опыта и требований. Модуль поиска затем находит наиболее релевантные пересечения между тем, что хочет работодатель, и тем, что предлагает кандидат. Этот сопоставленный контекст подаётся в языковую модель до начала генерации, так что письмо формируется на основе актуальной, специфичной для вакансии информации, а не на расплывчатой памяти от обучения.

Проверка фактов перед отправкой

Помимо простого извлечения контекста, RAGMail вводит метод оценки точности под названием Factualness Evaluation via Weighting LLMs, или FEWL. После генерации черновика письма система сопоставляет каждое важное утверждение в сообщении с извлечёнными структурированными фактами из резюме и объявления. Детали о навыках и трудовой биографии взвешиваются сильнее, чем вежливые фразы или заключительные строки. Фрагменты, не совпадающие с исходными данными, помечаются и корректируются посредством итеративной доработки, подводя письмо ближе к проверенной «истине». Авторы также перепроверяют подход с помощью других инструментов фактчекинга и человеческих рецензентов, обнаруживая, что FEWL тесно коррелирует с человеческой оценкой точности и релевантности письма.

Создано для реального использования в облачном масштабе

Чтобы сделать решение практичным для большого числа пользователей одновременно, RAGMail развёрнут как облачный сервис. Веб‑интерфейс позволяет соискателям загружать резюме и вставлять ссылки на вакансии с любого устройства, а серверная часть работает на управляемых серверах с эластичным масштабированием. Система хранит векторные представления резюме и объявлений в облачной базе, контролирует производительность и частоту ошибок и автоматически регулирует объём извлекаемой информации при высокой нагрузке, при этом шифруя чувствительные персональные данные и обеспечивая строгий контроль доступа. Такое проектирование поддерживает низкое время отклика и защищает приватность пользователей по мере роста нагрузки.

Что эти результаты означают для соискателей

В тестах, сравнивающих несколько конфигураций, полный конвейер RAGMail — сочетание данных резюме, поиска и взвешивания фактов — создавал письма, которые были заметно точнее и персонализированнее, чем письма от простой языковой модели. Уровень галлюцинаций снизился, показатели фактичности выросли почти вдвое, а оценки персонализации также улучшились. Для обычных пользователей это означает сообщения, которые лучше отражают их реальный опыт и конкретную роль, на которую они нацелены. Вместо того чтобы заменять человеческое суждение, RAGMail выступает аккуратным помощником: он готовит письма, основанные на реальности, настроенные под каждую возможность и отправляемые через безопасную, масштабируемую облачную платформу.

Цитирование: Sanyal, P., Rathore, K. & Arjunan, R.V. RAGMail: a cloud-based retrieval-augmented framework for reducing hallucinations in LLM text generation. Sci Rep 16, 7925 (2026). https://doi.org/10.1038/s41598-026-38913-w

Ключевые слова: автоматизация холодных писем, генерация с дополнением за счёт поиска, галлюцинации LLM, облачные AI-платформы, персонализированное обращение по поводу вакансий