PhoenixNest-Video：用于自动视频面试评估的循证多模态智能体框架

面试评估需要基于行为证据的标准判断，但申请人数的激增使得仅由人类进行的评估成本高昂且不一致，而现有的人工智能方法会产生不透明的分数，没有可追溯的理由。我们介绍 PhoenixNest-Video，这是一种用于自动视频面试评估的基于证据的多模态代理框架。它构建一个语义视频图作为结构化工作记忆，通过视觉、音频和文本流的跨模式验证执行标题条件检索，并生成锚定到候选人材料的每个标准分数。通过基于Rubrics的强化学习训练的记分器具有对Rubrics对齐和分数级别区分的双重奖励，可以内化多级Rubrics的判别结构。 PhoenixNest-Video 在 VInterview-2025 上达到了 91.50% 的等级准确度，远远优于更大的专有模型。因此，与直接提示更大的模型相比，紧凑的、基于标题的智能体对候选人的评分与专家小组的一致程度更高，并公开每个评分背后的证据以供人工审查。