基于 LLM 的 AI 招聘：面向简历筛选的上下文感知和可解释的多智能体框架
计算与语言
2025-05-14 v2 人工智能
摘要
简历筛选是人才招聘中关键且耗时的环节，需要招聘人员在保持客观、准确和公平的同时分析大量求职申请。随着大型语言模型（LLM）的进步，它们的推理能力和广泛知识库展现出了优化和自动化招聘工作流程的新机会。本文提出一种基于 LLM 的简历筛选多智能体框架，系统性地处理和评估简历。该框架由四个核心智能体组成，包括简历提取器、评估器、汇总器和评分格式化器。为增强候选人评估的上下文相关性，我们在简历评估器中集成检索增强生成（RAG），允许纳入外部知识源，如行业特定专业知识、专业资格、大学排名和公司特定招聘标准。这种动态适应性实现了个性化招聘，弥合了 AI 自动化与人才招聘之间的鸿沟。我们通过将AI生成的评分与来自匿名在线简历数据集的HR专业人员评分进行比较，评估了我们方法的有效性。研究结果突显了多智能体RAG-LLM系统在自动化简历筛选中的潜力，使招聘工作流程更高效、更具可扩展性。
引用
@article{arxiv.2504.02870,
title = {AI Hiring with LLMs: A Context-Aware and Explainable Multi-Agent Framework for Resume Screening},
author = {Frank P. -W. Lo and Jianing Qiu and Zeyu Wang and Haibao Yu and Yeming Chen and Gao Zhang and Benny Lo},
journal= {arXiv preprint arXiv:2504.02870},
year = {2025}
}
备注
Accepted by CVPR 2025 Workshop