Carrierbot開發基於「Gemma 4」的求職支援專用LLM。透過支援地端部署，推動大學與行政機關安全應用AI。
為了解決教育現場的安全隱憂與對話品質問題，Carrierbot開發了基於Gemma 4的求職專用LLM「shukatsu-gemma4」，並於Hugging Face上公開，支援本地端運行。
📋 文章處理履歷
- 📰 發表: 2026年4月8日 03:10
- 🔍 收集: 2026年4月7日 18:30
- 🤖 AI分析完成: 2026年4月20日 21:19（收集後314小時49分鐘）
## ■ 開發背景：教育現場特有的挑戰
隨著各種生成式AI的開發，大學等就業支援現場主要面臨兩個挑戰。
資安風險：對將學生機密的個人資訊傳送至外部雲端感到擔憂。
對話品質的門檻：通用AI無法重現應屆畢業生招募特有的複雜背景以及顧問的語氣。
## ■ 技術特徵與評價：兼顧本地運行與實務品質
本模型透過嚴選超過1萬筆求職諮詢資料中的優質對話進行訓練，實現了結構化的履歷（ES）修改以及符合實務的「貼心對話」。在與主要LLM的比較驗證中，雖然在綜合知識量上不及大型雲端AI，但已確認在「ES修改品質」及「對話語氣」方面達到了同等水準。這是一個能在保護機密資訊的本地環境中運行，同時能成為現場即戰力的實務型模型。
## ■ 旨在促進產官學共創，於「Hugging Face」公開
為了提升日本的就業支援基礎設施，並加速產官學的「共創」，我們將於「Hugging Face」公開本模型。
儲存庫名稱：careerbot/shukatsu-gemma4
導入的便利性：採用「Gated Access」，只需同意使用條款即可立即存取。透過活用Ollama或LM Studio等工具，可以在本地環境中驗證並導入高精準度的求職支援AI。
※本模型為Google「Gemma 4」的微調版本，並非Google的官方產品。
## ■ 於經濟產業省・NEDO主辦的「GENIAC」進行體驗展示
本模型將在經濟產業省及NEDO主導的生成式AI專案「GENIAC」成果發表巡迴展中進行實機展示。實際的運作...
隨著各種生成式AI的開發，大學等就業支援現場主要面臨兩個挑戰。
資安風險：對將學生機密的個人資訊傳送至外部雲端感到擔憂。
對話品質的門檻：通用AI無法重現應屆畢業生招募特有的複雜背景以及顧問的語氣。
## ■ 技術特徵與評價：兼顧本地運行與實務品質
本模型透過嚴選超過1萬筆求職諮詢資料中的優質對話進行訓練，實現了結構化的履歷（ES）修改以及符合實務的「貼心對話」。在與主要LLM的比較驗證中，雖然在綜合知識量上不及大型雲端AI，但已確認在「ES修改品質」及「對話語氣」方面達到了同等水準。這是一個能在保護機密資訊的本地環境中運行，同時能成為現場即戰力的實務型模型。
## ■ 旨在促進產官學共創，於「Hugging Face」公開
為了提升日本的就業支援基礎設施，並加速產官學的「共創」，我們將於「Hugging Face」公開本模型。
儲存庫名稱：careerbot/shukatsu-gemma4
導入的便利性：採用「Gated Access」，只需同意使用條款即可立即存取。透過活用Ollama或LM Studio等工具，可以在本地環境中驗證並導入高精準度的求職支援AI。
※本模型為Google「Gemma 4」的微調版本，並非Google的官方產品。
## ■ 於經濟產業省・NEDO主辦的「GENIAC」進行體驗展示
本模型將在經濟產業省及NEDO主導的生成式AI專案「GENIAC」成果發表巡迴展中進行實機展示。實際的運作...