대규모의 풍부하게 주석이 달린(annotated) 경력 궤적 데이터는 인력 계획, 직업 추천 및 노동 시장 분석의 근간을 이루지만, 현재 공개적으로 사용 가능한 데이터셋은 크기가 작거나, 독립적인 사용에 폐쇄되어 있거나, 혹은 LLM으로 합성된 것이 아닌 실제 자유 텍스트가 아닌 사전 표준화된 직업 코드를 기반으로 구축되었습니다. 우리는 VDAB(플란데런트 공공 고용 서비스)에서 제공한 ${ ext{}}440{,}000$개의 가명 처리된 다국어 이력서 말뭉치로부터 엔드투엔드로 대규모 언어 모델(LLM) 추출을 통해 구축된, 공개적으로 사용 가능한 JobHop 데이터셋의 개선 버전인 JobHopv2를 제시합니다. 공개된 데이터셋은 ESCO 직업 코드, 분기별 시간 정보 및 정규화된 5단계 학력 성취도로 주석이 달린 $355{,}315$개의 경력 궤적을 포함하며, 이는 원래 버전의 커버리지와 주석 풍부도를 모두 확장합니다. v1에 비해 JobHop~v2는 재시도 메커니즘(retry mechanism)을 갖춘 추론 제어 LLM 추론 기반으로 재설계된 추출 파이프라인, 더 풍부한 추출 스키마, 그리고 세 가지 보완적인 주석 기준선(annotation baselines)에 대해 점수화된 수정된 평가 프로토콜을 도입합니다. 이러한 기준선들을 대상으로 평가했을 때, 우리의 최적 추출기는 비교된 모든 모델들 중 주석가 간 합의도 천장치에 가장 근접하며, 단지 1.1-2.7 퍼센트 포인트만큼 뒤처집니다. 이 데이터셋과 코드는 재현 가능한 경력 궤적 연구를 지원하기 위해 공개적으로 배포됩니다.