MockLLM：面向在线求职与招聘的多智能体行为协作框架

在线招聘平台重塑了求职与招聘流程，推动了对增强人岗匹配应用的需求。传统方法通常依赖分析简历和职位描述中的文本数据，限制了有效招聘所必需的关键动态交互方面。大型语言模型的最新进展揭示了其在模拟自适应、基于角色的对话方面的显著潜力，使其非常适合招聘场景。在本文中，我们提出了MockLLM，一个用于生成和评估模拟面试交互的新颖框架。该系统由两个关键组件组成：模拟面试生成和握手协议中的双向评估。通过模拟面试官和候选人角色，MockLLM能够实现实时、双向匹配的一致且协作的交互。为了进一步提高匹配质量，MockLLM进一步整合了反思记忆生成和动态策略修改，基于先前经验优化行为。我们在真实世界数据——中国主要招聘平台Boss Zhipin上评估了MockLLM。实验结果表明，MockLLM在跨工作领域的匹配准确性、可扩展性和适应性方面优于现有方法，突显了其在推进候选人评估和在线招聘方面的潜力。