超越简历：基于评分标准的自动化面试系统用于信息获取
计算与语言
2026-03-03 v1
摘要
有效的招聘是组织成功的关键，但 finding the most suitable candidates is very challenging because expert evaluation (e.g. interviews conducted by a technical manager) are expensive to deploy at scale. 因此，越来越多地使用自动化简历评分和其他申请人筛选方法来粗略过滤候选人，基于有限的信息做出决策。我们提议，大语言模型(LLM)可以扮演专业人员的角色，以成本效益的方式从每个候选人那里获取细致且特定于角色的信息，从而提高早期招聘决策的质量。我们提出了一个系统，利用LLM面试官以校准的方式更新对申请人其评分导向潜在特征的信念。我们在模拟面试中对该系统进行评估，表明信念会收敛到模拟申请人人工构建的潜在能力水平。我们在GitHub上发布了代码、一个 modest 的公开/匿名化简历数据集、信念校准测试以及模拟面试，链接为 https://github.com/mbzuai-nlp/beyond-the-resume。我们的演示可在 https://btr.hstu.net 访问。
引用
@article{arxiv.2603.01775,
title = {Beyond the Resum\'e: A Rubric-Aware Automatic Interview System for Information Elicitation},
author = {Harry Stuart and Masahiro Kaneko and Timothy Baldwin},
journal= {arXiv preprint arXiv:2603.01775},
year = {2026}
}