本文综述技能提取研究：利用大语言模型低成本生成全合成标注数据并结合对比学习，在三个基准上R-Precision@5较远程监督字面匹配提升15至25个百分点；基于ESCO分类法标注丹麦招聘数据，RemBERT在零样本和少样本分类中领先；提出端到端零样本技能提取系统；弱监督结合潜在表示发现相似技能标签；短语匹配区分软技能，LSTM召回率达83.92%；AdaCos损失实现多级结构文本分类；多任务分层模型在命名实体识别等任务领先；JobBERT结合技能共现信息提升职位标题规范化；SkillRec基于职位名称推荐技能；SKILLSPAN数据集表明领域适应预训练显著提升技能提取性能。