論文の概要: MockLLM: A Multi-Agent Behavior Collaboration Framework for Online Job Seeking and Recruiting
- arxiv url: http://arxiv.org/abs/2405.18113v2
- Date: Thu, 26 Jun 2025 06:33:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-27 19:53:09.761514
- Title: MockLLM: A Multi-Agent Behavior Collaboration Framework for Online Job Seeking and Recruiting
- Title（参考訳）: MockLLM: オンラインジョブ検索とリクルートのためのマルチエージェント行動協調フレームワーク
- Authors: Hongda Sun, Hongzhan Lin, Haiyu Yan, Yang Song, Xin Gao, Rui Yan,
- Abstract要約: モックインタビューインタラクションの生成と評価を行う新しいフレームワークである textbfMockLLM を提案する。
インタビュアーと候補の両方の役割をシミュレートすることで、MockLLMはリアルタイムと双方向のマッチングのための一貫性のある協調的なインタラクションを可能にする。
我々は、中国の主要な採用プラットフォームであるBoss Zhipinの実際のデータに基づいて、MockLLMを評価した。
- 参考スコア（独自算出の注目度）: 29.676163697160945
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online recruitment platforms have reshaped job-seeking and recruiting processes, driving increased demand for applications that enhance person-job matching. Traditional methods generally rely on analyzing textual data from resumes and job descriptions, limiting the dynamic, interactive aspects crucial to effective recruitment. Recent advances in Large Language Models (LLMs) have revealed remarkable potential in simulating adaptive, role-based dialogues, making them well-suited for recruitment scenarios. In this paper, we propose \textbf{MockLLM}, a novel framework to generate and evaluate mock interview interactions. The system consists of two key components: mock interview generation and two-sided evaluation in handshake protocol. By simulating both interviewer and candidate roles, MockLLM enables consistent and collaborative interactions for real-time and two-sided matching. To further improve the matching quality, MockLLM further incorporates reflection memory generation and dynamic strategy modification, refining behaviors based on previous experience. We evaluate MockLLM on real-world data Boss Zhipin, a major Chinese recruitment platform. The experimental results indicate that MockLLM outperforms existing methods in matching accuracy, scalability, and adaptability across job domains, highlighting its potential to advance candidate assessment and online recruitment.
- Abstract（参考訳）: オンライン求人プラットフォームは求職と求職のプロセスを変え、対人マッチングを強化するアプリケーションへの需要が増加した。
従来の手法は一般的に履歴書や仕事の記述からテキストデータを分析することに依存しており、効果的な採用に不可欠なダイナミックでインタラクティブな側面を制限している。
近年のLLM(Large Language Models)の進歩は、適応型、ロールベースの対話をシミュレートし、採用シナリオに適していることを示す。
本稿では,モックインタビューインタラクションの生成と評価を行う新しいフレームワークである‘textbf{MockLLM} を提案する。
本システムは,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つの重要なコンポーネントから構成される。
インタビュアーと候補の両方の役割をシミュレートすることで、MockLLMはリアルタイムと双方向のマッチングのための一貫性のある協調的なインタラクションを可能にする。
マッチング品質をさらに改善するため、MockLLMはさらにリフレクションメモリ生成と動的戦略修正を取り入れ、以前の経験に基づいて振る舞いを洗練する。
我々は、中国の主要な採用プラットフォームであるBoss Zhipinの実際のデータに基づいて、MockLLMを評価した。
実験結果から,MockLLMは既存の手法よりも精度,スケーラビリティ,適応性に優れており,候補評価やオンライン採用の進展の可能性を強調している。
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) - 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) - 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) - 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) - 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) - 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。