Zara：一个基于 LLM 的候选人面试反馈系统-计算机科学-AI驱动招聘支持系统-大语言模型-个性化.pdfVIP

Zara：一个基于LLM的候选人面试反馈系统

NimaYazdani

UniversityofSouthernCalifornia,micro1

nima@micro1.ai

ArujMahajan

micro1

aruj@micro1.ai

AliAnsari

本StanfordUniversity,micro1

译ali@micro1.ai

中

1摘要

v

9本文介绍了由micro1开发的AI驱动招聘支持系统Zara，作为一个实际案例研究，展示了大型语言

6模型（LLMs）如何通过个性化的、可扩展的面试支持来提升候选人的体验。传统上，由于物流和法律限

8

2制，招聘人员难以提供个性化的候选人反馈，导致了广泛存在的候选人不满。借助OpenAI的GPT-4o，

0Zara通过动态生成个性化的练习面试、进行对话式AI驱动评估、自主提供结构化且可操作的反馈以及

.

7使用检索增强生成（RAG）系统高效回答候选人的问题，解决了这些限制。为了促进透明度，我们已经

0

5开源了Zara用于生成候选人反馈的方法。

2

:

v

i1介绍

x

r

a招聘过程长期以来一直因未能提供可操作的反馈而受到批评。超过一半的候选人筛选或面试后未收到

任何反馈，甚至在最终阶段被拒绝后仍有近70%的人一无所知；当提供反馈时，有超过四分之三的人认为这

些反馈过于笼统而不具实际帮助(C.2020)。这种缺乏沟通的现象令候选人感到沮丧，对心理福祉产生负面

影响，并损害雇主声誉，因为候选人倾向于广泛分享负面经历(C.2020,Woodetal.2023)。大型语言模型

（LLMs）的必威体育精装版进展提供了通过大规模提供个性化反馈来解决这些问题的机会。像GPT-4o这样的模型能

够生成流畅且具有上下文感知的回应，在客户服务(LimnaandKraiwanit2023)和人力资源沟通(Mujtaba

2024)等领域有效地处理了个性化互动。借助这些能力，LLMs有可能克服提供结构化、个性化的候选人反

馈所面临的物流障碍。

本文介绍了扎拉，一个主要由OpenAI的GPT-4o驱动的人工智能招聘工具，并辅以其他大型语言模

型、微调模型以及检索增强生成(RAG)框架。

集成到micro1的招聘平台中，Zara提供个性化的模拟面试，进行基于对话的人工智能引导面试，专门

用于评估候选人的技术能力和人际交往能力是否符合目标职位的要求。它能够根据候选人在线上AI引导

面试中的表现自主生成结构化的事后评估，并在整个招聘过程中回答候选人的各种问题。

雇主使用Zara来高效地识别有潜力的候选人，这些候选人的人工智能生成的评估结果随后由人类招聘

人员进行审查。图1展示了Zara面试界面的一个示例。在虚拟面试中表现出色的候选人将进入后续的人类

1

面试环节，他们的个人资料，包括技术能力和软技能的详细评估，会被加入到micro1的人才库中，从而获

得未来雇主的进一步考虑（参见图2中的AI生成报告样本）。未能达到这些标准的申请者可以选择通过电

子邮件请求基于其面试表现的具体、可操作反馈。

图1:Zara人工智能驱动的面试界面集成到了微1的招聘平台中。

图2:由Zara生成的一个示例个人资料报告，并添加到了micro1的人才库中。

本文的主要