人力资源智能体AI：LLM 驱动的候选人评估

在这项工作中，我们提出了一个模块化且可解释的框架，该框架使用 大语言模型 (LLM) 在招聘中自动评估候选人。该系统整合了多种来源，包括职位描述、简历、面试记录和人力资源反馈；生成反映专家判断的结构化评估报告。与依赖关键字匹配或浅评分的传统 ATS 工具不同，我们的方法采用特定于角色的、LLM 生成的评分标准和多代理架构来执行细粒度、标准驱动的评估。该框架输出详细的评估报告、候选人比较和排名建议，这些报告是透明的、可审计的，并且适合现实世界的招聘工作流程。除了基于标题的分析之外，我们还引入了 LLM 驱动的主动列表锦标赛机制来进行候选排名。 LLM 对小型候选子集（迷你锦标赛）进行排名，而不是嘈杂的成对比较或不一致的独立评分，并且使用 Plackett-Luce 模型聚合这些列表排列。主动学习循环选择信息最丰富的子集，产生全局一致且样本高效的排名。这种对列表式 LLM 偏好模型（之前在金融资产排名中探索过）的改编为人才招聘中的大规模候选人排名提供了原则性且高度可解释的方法。