論文の概要: Facilitating Multi-Role and Multi-Behavior Collaboration of Large Language Models for Online Job Seeking and Recruiting
- arxiv url: http://arxiv.org/abs/2405.18113v1
- Date: Tue, 28 May 2024 12:23:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-05-29 18:48:53.593514
- Title: Facilitating Multi-Role and Multi-Behavior Collaboration of Large Language Models for Online Job Seeking and Recruiting
- Title(参考訳): オンライン求人・求人のための大規模言語モデルの多目的・多行動連携
- Authors: Hongda Sun, Hongzhan Lin, Haiyu Yan, Chen Zhu, Yang Song, Xin Gao, Shuo Shang, Rui Yan,
- Abstract要約: 既存の手法は履歴書とジョブ記述の潜在意味論をモデル化し、それらの間に一致する関数を学習することに依存している。
大規模言語モデル (LLM) の強力なロールプレイング能力に触発されて, LLM によるインタビュアーと候補者のモックインタビュープロセスを導入することを提案する。
そこで我々は,モックインタビュー生成とハンドシェイクプロトコルにおける双方向評価という2つのモジュールにパーソナライズされたマッチングプロセスを分割する,新しいフレームワークであるMockLLMを提案する。
- 参考スコア(独自算出の注目度): 51.54907796704785
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The emergence of online recruitment services has revolutionized the traditional landscape of job seeking and recruitment, necessitating the development of high-quality industrial applications to improve person-job fitting. Existing methods generally rely on modeling the latent semantics of resumes and job descriptions and learning a matching function between them. Inspired by the powerful role-playing capabilities of Large Language Models (LLMs), we propose to introduce a mock interview process between LLM-played interviewers and candidates. The mock interview conversations can provide additional evidence for candidate evaluation, thereby augmenting traditional person-job fitting based solely on resumes and job descriptions. However, characterizing these two roles in online recruitment still presents several challenges, such as developing the skills to raise interview questions, formulating appropriate answers, and evaluating two-sided fitness. To this end, we propose MockLLM, a novel applicable framework that divides the person-job matching process into two modules: mock interview generation and two-sided evaluation in handshake protocol, jointly enhancing their performance through collaborative behaviors between interviewers and candidates. We design a role-playing framework as a multi-role and multi-behavior paradigm to enable a single LLM agent to effectively behave with multiple functions for both parties. Moreover, we propose reflection memory generation and dynamic prompt modification techniques to refine the behaviors of both sides, enabling continuous optimization of the augmented additional evidence. Extensive experimental results show that MockLLM can achieve the best performance on person-job matching accompanied by high mock interview quality, envisioning its emerging application in real online recruitment in the future.
- Abstract(参考訳): オンライン求人サービスの出現は、求職と求職の伝統的な状況に革命をもたらし、質の高い工業用アプリケーションの開発を必要としている。
既存のメソッドは通常、履歴書とジョブ記述の潜在意味論をモデル化し、それらの間の一致する関数を学習する。
大規模言語モデル (LLM) の強力なロールプレイング能力に触発されて, LLM によるインタビュアーと候補者のモックインタビュープロセスを導入することを提案する。
模擬面接会話は、候補者評価のための追加の証拠を提供することができ、履歴書や求人情報のみに基づく従来の人事適合性を高めることができる。
しかしながら、これら2つの役割をオンライン採用で特徴づけることには、インタビュー質問を提起するスキルの開発、適切な回答の定式化、両面のフィットネスの評価など、いくつかの課題がある。
そこで本研究では,モックインタビュー生成とハンドシェイクプロトコルにおける双方向評価の2つのモジュールにパーソナライズされたマッチングプロセスを分割する,新たなフレームワークであるMockLLMを提案する。
ロールプレイング・フレームワークをマルチロール・マルチビヘイビア・パラダイムとして設計し,一方のLDMエージェントが双方の複数の機能で効果的に動作できるようにする。
さらに,両面の動作を改良するためのリフレクションメモリ生成と動的プロンプト修正手法を提案し,付加的な付加的証拠の連続的最適化を実現した。
大規模な実験結果から,MockLLMはモックインタビューの質が向上し,将来的なオンライン求人への活用が期待できる可能性が示唆された。
関連論文リスト
- Beyond Single-Turn: A Survey on Multi-Turn Interactions with Large Language Models [8.08979200534563]
現実世界のアプリケーションは洗練されたマルチターンインタラクションを必要とする。
大規模言語モデル(LLM)の最近の進歩は、シングルターンタスクを扱う能力に革命をもたらした。
論文 参考訳(メタデータ) (2025-04-07T04:00:08Z) - Using Large Language Models to Develop Requirements Elicitation Skills [1.1473376666000734]
チャットベースのインタビューにおいて,クライアントの役割を果たすために,大規模言語モデルを条件付けすることを提案する。
どちらの手法も、参加者が技術的に健全なソリューションを構築するのに十分な情報を提供する。
論文 参考訳(メタデータ) (2025-03-10T19:27:38Z) - Towards Anthropomorphic Conversational AI Part I: A Practical Framework [49.62013440962072]
会話に関わる人間の知性の重要な側面を再現するために設計されたマルチモジュールフレームワークを導入する。
アプローチの第2段階では、これらの会話データは、フィルタリングとラベル付けの後に、強化学習のためのトレーニングおよびテストデータとして機能する。
論文 参考訳(メタデータ) (2025-02-28T03:18:39Z) - Dynamic benchmarking framework for LLM-based conversational data capture [0.0]
本稿では,大規模言語モデル(LLM)を評価するためのベンチマークフレームワークを提案する。
生成エージェントシミュレーションを統合して、情報抽出、コンテキスト認識、適応エンゲージメントといった重要次元のパフォーマンスを評価する。
その結果,不明瞭な応答を扱う場合,適応戦略によりデータの抽出精度が向上することが示唆された。
論文 参考訳(メタデータ) (2025-02-04T15:47:47Z) - DISCO: A Hierarchical Disentangled Cognitive Diagnosis Framework for Interpretable Job Recommendation [36.83681330970353]
オンライン採用プラットフォームの急速な発展は、求職者にとって前例のない機会を生み出している。
求職者の検索負担を大幅に軽減した求人推薦システム。
採用勧告の説明可能性に関する研究は、いまだに明らかにされていない。
論文 参考訳(メタデータ) (2024-10-10T07:29:31Z) - PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。
モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
論文 参考訳(メタデータ) (2024-07-17T08:13:22Z) - Peer Review as A Multi-Turn and Long-Context Dialogue with Role-Based Interactions [62.0123588983514]
大規模言語モデル(LLM)は様々な分野にまたがる幅広い応用を実証してきた。
我々は、ピアレビュープロセスを多ターン長文対話として再構築し、著者、レビュアー、意思決定者に対して異なる役割を担っている。
複数の情報源から収集された92,017件のレビューを含む26,841件の論文を含む包括的データセットを構築した。
論文 参考訳(メタデータ) (2024-06-09T08:24:17Z) - Concept Matching with Agent for Out-of-Distribution Detection [19.407364109506904]
本稿では,エージェントパラダイムをアウト・オブ・ディストリビューション(OOD)検出タスクに統合する手法を提案する。
提案手法であるConcept Matching with Agent (CMA) は、CLIPに基づくOOD検出プロセスを強化するために、中性プロンプトをエージェントとして利用する。
実験結果から, ゼロショット法とトレーニング要求法の両方よりもCMAの方が優れた性能を示した。
論文 参考訳(メタデータ) (2024-05-27T02:27:28Z) - UniRetriever: Multi-task Candidates Selection for Various
Context-Adaptive Conversational Retrieval [47.40553943948673]
本稿では,対話中の3つの支配的検索タスク(ペルソナ選択,知識選択,応答選択)に対する共通検索機能としてマルチタスクフレームワーク機能を提案する。
そこで我々は,文脈適応型対話エンコーダと候補エンコーダからなる二重エンコーダアーキテクチャを設計する。
実験と分析は、そのトレーニング領域内と外部の両方で最先端の検索品質を確立する。
論文 参考訳(メタデータ) (2024-02-26T02:48:43Z) - MAgIC: Investigation of Large Language Model Powered Multi-Agent in
Cognition, Adaptability, Rationality and Collaboration [102.41118020705876]
大規模言語モデル(LLM)は自然言語処理の分野で大きな進歩を遂げている。
アプリケーションがマルチエージェント環境に拡張されるにつれ、包括的な評価フレームワークの必要性が高まっている。
この研究は、マルチエージェント設定内でLLMを評価するために特別に設計された新しいベンチマークフレームワークを導入している。
論文 参考訳(メタデータ) (2023-11-14T21:46:27Z) - Workflow-Guided Response Generation for Task-Oriented Dialogue [4.440232673676693]
ワークフローに整合した対話応答を生成するための強化学習(RL)に基づく新しいフレームワークを提案する。
私たちのフレームワークは、生成されたレスポンスが指定されたアクションをどれだけうまく実行するかを評価するために設計されたメトリクスであるComplianceScorerで構成されています。
以上の結果から,我々のRLベースのフレームワークは,ベースラインよりも優れており,自然かつ流動的な表現をしながら,意図した応答に順応する上で有効であることが示唆された。
論文 参考訳(メタデータ) (2023-11-14T16:44:33Z) - Generative Judge for Evaluating Alignment [84.09815387884753]
本稿では,これらの課題に対処するために,13Bパラメータを持つ生成判断器Auto-Jを提案する。
我々のモデルは,大規模な実環境シナリオ下でのユーザクエリとLLM生成応答に基づいて訓練されている。
実験的に、Auto-Jはオープンソースモデルとクローズドソースモデルの両方を含む、強力なライバルのシリーズを上回っている。
論文 参考訳(メタデータ) (2023-10-09T07:27:15Z) - JoTR: A Joint Transformer and Reinforcement Learning Framework for
Dialog Policy Learning [53.83063435640911]
対話政策学習(DPL)は対話モデリングの重要な構成要素である。
フレキシブルな対話行動を生成するための新しいフレームワークであるJoTRを導入する。
従来の方法とは異なり、JoTRはよりダイナミックで適応可能な対話アクション生成を可能にするワードレベルのポリシーを定式化している。
論文 参考訳(メタデータ) (2023-09-01T03:19:53Z) - SimOAP: Improve Coherence and Consistency in Persona-based Dialogue
Generation via Over-sampling and Post-evaluation [54.66399120084227]
大規模コーパスで訓練された言語モデルは、オープンドメイン対話において驚くほど流動的な結果を生み出すことができる。
ペルソナに基づく対話生成タスクでは、一貫性と一貫性が言語モデルにとって大きな課題である。
オーバーサンプリングとポスト評価という2段階のSimOAP戦略が提案されている。
論文 参考訳(メタデータ) (2023-05-18T17:23:00Z) - Exploring Emerging Technologies for Requirements Elicitation Interview
Training: Empirical Assessment of Robotic and Virtual Tutors [0.0]
本稿では,新しい教育技術に基づく要求緩和面接訓練システムについて提案する。
物理ロボットエージェントのRoと仮想音声エージェントのVoの2つの実装によるREITの適用性を示す。
論文 参考訳(メタデータ) (2023-04-28T20:03:48Z) - Deploying a Retrieval based Response Model for Task Oriented Dialogues [8.671263996400844]
タスク指向の対話システムは会話能力が高く、状況の変化に容易に適応でき、ビジネス上の制約に適合する必要がある。
本稿では,これらの基準を満たす対話モデルを開発するための3段階の手順について述べる。
論文 参考訳(メタデータ) (2022-10-25T23:10:19Z) - Quality Assurance of Generative Dialog Models in an Evolving
Conversational Agent Used for Swedish Language Practice [59.705062519344]
提案する1つのソリューションは、人中心の対話型言語実践のためのAI対応の会話エージェントである。
仮想面接のために訓練された独自の生成ダイアログモデルの品質保証を目標とした行動研究の成果を報告する。
論文 参考訳(メタデータ) (2022-03-29T10:25:13Z) - Partner Matters! An Empirical Study on Fusing Personas for Personalized
Response Selection in Retrieval-Based Chatbots [51.091235903442715]
本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。
4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。
Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
論文 参考訳(メタデータ) (2021-05-19T10:32:30Z) - Learning an Effective Context-Response Matching Model with
Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。
我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。
実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文 参考訳(メタデータ) (2020-09-14T08:44:46Z) - Can You Put it All Together: Evaluating Conversational Agents' Ability
to Blend Skills [31.42833993937429]
孤立した能力に向けて訓練されたモデルを組み合わせる方法について検討する。
我々は、これらの機能が自然な会話の中でどのように連携するかを分析するために、新しいデータセットであるBlendedSkillTalkを提案する。
実験の結果,特定の機能に焦点をあてたタスクを複数タスクでマルチタスクすることで,会話性能が向上することがわかった。
論文 参考訳(メタデータ) (2020-04-17T20:51:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。