이력서 텍스트 확인
CV 및 입사 지원서용 AI 이력서 확인기
이력서 항목, 자기소개서 또는 경력 요약을 이 AI 이력서 검사기에 붙여 넣으세요. Slop or Not은 영어에서 LLM 출력과 관련된 패턴을 확인하고, 채용 판단이 아닌 확률을 반환합니다. 온라인에서는 붙여 넣은 텍스트가 먼저 Numen 서버로 전송되어 메모리에서만 실행되고 아무것도 저장하지 않는 숨은 문자 검사를 거칩니다. 별도의 AI 검사는 Numen의 비공개 Mac 서버에서 실행됩니다. iPhone, iPad, Mac 앱은 두 검사를 모두 기기에서 실행합니다.
저희가 아닌 공개 벤치마크 RAID 기준으로, 오탐률 5%에서 AI 텍스트의 99.5%를 잡아냅니다.
문단 하나든 논문 전체든 붙여넣으세요. iPhone 및 Mac 앱에는 단어 제한도 월간 단어 예산도 없습니다.
- 영어 텍스트 붙여넣기최대 20,000자의 학교 에세이, 제품 리뷰, 캡션, 기사, 소셜 게시물.
- 결과확률 판정, AI 점수, 가독성 분석을 제공합니다.
- 개인정보 보호Numen의 비공개 Mac 서버에서 검사하며, 외부 AI 회사에 전달하지 않습니다. 텍스트를 기기 안에만 유지하려면 앱을 사용하세요.
확인 항목
AI 이력서 확인기로 무엇을 알 수 있나요?
항목과 경력 요약 전반에서 반복되는 문장 형태
직무별 구체성이 없는 일반적인 성과 표현
도구 간 텍스트를 복사하는 동안 들어간 숨겨진 Unicode 문자
좋은 활용 사례
- AI 지원 편집이나 커리어 코칭 후 자신의 이력서 확인하기
- 채용 담당자가 더 자세히 검토할 수 있도록 지나치게 균일한 문장 표시하기
- 면접 전에 이력서와 자기소개서의 목소리 비교하기
알아둘 한계
- 이력서 템플릿과 커리어 코칭은 사람이 쓴 글도 지나치게 균일해 보이게 할 수 있음
- 짧은 항목 조각은 전체 자기소개서보다 언어적 증거가 적음
- 감지기 점수로 누군가가 다음 단계로 진행하거나 제안을 받는지 결정해서는 안 됨
FAQ
AI 이력서 확인기 질문
AI 이력서 확인기가 채용 결정을 내릴 수 있나요?
아니요. 후보자의 능력, 정직성 또는 직무 적합성이 아니라 글의 패턴을 보고합니다. 채용팀은 더 자세한 사람 검토를 위한 신호로만 사용해야 합니다.
템플릿이나 코칭이 왜 결과에 영향을 줄 수 있나요?
템플릿은 많은 이력서에서 같은 문장 형태와 동작 동사를 반복합니다. 커리어 코치도 표현을 표준화합니다. 둘 다 후보자가 모든 단어를 직접 썼더라도 기계가 쓴 듯한 규칙성과 비슷해 보일 수 있습니다.
짧은 이력서도 충분한 텍스트를 제공하나요?
짧은 항목 조각은 전체 문단보다 증거가 적습니다. 적절한 경우 경력 요약이나 자기소개서를 포함하고, 텍스트가 적을 때 나온 결과는 더 신중하게 다루세요.
온라인 확인기가 이력서 텍스트를 저장하나요?
붙여 넣은 텍스트는 먼저 Numen 서버로 전송되어 메모리에서만 실행되고 아무것도 저장하지 않는 숨은 문자 검사를 거칩니다. 별도의 AI 검사는 Numen의 비공개 Mac 서버에서 실행됩니다. 텍스트는 타사 AI 제공업체로 전송되지 않습니다. iPhone, iPad, Mac 앱은 두 검사를 모두 기기에서 실행합니다.
다음 검사를 iPhone 또는 Mac에서 실행하세요
Slop or Not 앱은 이미지와 텍스트를 온디바이스에서 검사하므로, 검사한 내용이 기기 밖으로 나가지 않습니다.
Numen의 다른 앱
기기에서 실행되는 앱 3개를 더 만나보세요. 어떤 앱도 계정이 필요 없습니다.
Private LLM
iPhone, iPad, Mac에서 오프라인으로 실행되는, 검열 없는 오픈소스 모델용 로컬 AI 챗봇입니다. Private LLM은 모델별로 조정한 OmniQuant 및 GPTQ 양자화를 사용하므로, 3비트 모델이 다른 앱에서 제공하는 4비트 모델과 맞먹습니다.
Clean Links
요즘 대부분의 추적은 링크 리디렉션 뒤에 숨어 있습니다. Clean Links는 iPhone, iPad, Mac, 웹에서 공유하기 전에 짧은 링크를 풀고 URL의 모든 추적 파라미터를 제거합니다.
Private Diffusion
최신 프런티어 이미지 모델을 iPhone, iPad, Mac에서 실행하세요. Private Diffusion은 양자화 인식 증류(QAD)로 각 모델을 학습시켜, 작은 모델도 전체 크기 모델의 품질을 유지합니다.