RecruitView：用于预测人格与面试表现的人类资源应用多模态数据集
计算机视觉与模式识别
2025-12-02 v1 人工智能
摘要
从多模态行为数据进行自动化人格和软技能评估仍具有挑战性，主要因为数据集有限且方法未能捕捉人类特征固有的几何结构。我们引入 RecruitView，一个包含 2011 个自然视频面试片段、300 多位参与者以及 27000 条两两比较判断的数据集，涵盖 12 个维度：大五人格、整体人格得分以及六项面试表现指标。为充分利用该数据，我们提出了一种跨模态回归与流形融合 (Cross-Modal Regression with Manifold Fusion, CRMF) 方法，这是一种几何深度学习框架，显式地在双曲、球面和欧几里得流形之间建模行为表征。CRMF 采用几何特定的专家网络同时捕捉层次结构特征、方向性行为模式和连续性能变化。通过自适应路由机制，根据输入特征动态加权专家贡献。通过原则性的切贴空间融合，CRMF 在性能上取得优势，同时比大型多模态模型训练的参数数量减少 40%~50%。广泛的实验表明，CRMF 在所选基线方法上显著优于后者，Spearman 相关性提升最高可达 11.4%，Concordance Index 提升 6.0%。我们的 RecruitView 数据集已在 https://huggingface.co/datasets/AI4A-lab/RecruitView 上公开。
引用
@article{arxiv.2512.00450,
title = {RecruitView: A Multimodal Dataset for Predicting Personality and Interview Performance for Human Resources Applications},
author = {Amit Kumar Gupta and Farhan Sheth and Hammad Shaikh and Dheeraj Kumar and Angkul Puniya and Deepak Panwar and Sandeep Chaurasia and Priya Mathur},
journal= {arXiv preprint arXiv:2512.00450},
year = {2025}
}
备注
20 pages, 10 figures, 10 tables