論文の概要: SimInterview: Transforming Business Education through Large Language Model-Based Simulated Multilingual Interview Training System

• arxiv url: http://arxiv.org/abs/2508.11873v1
• Date: Sat, 16 Aug 2025 02:18:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.430362
• Title: SimInterview: Transforming Business Education through Large Language Model-Based Simulated Multilingual Interview Training System
• Title（参考訳）: SimInterview:Simulated Multilingual Interview Training Systemを用いた大規模言語モデルによるビジネス教育の変容
• Authors: Truong Thanh Hung Nguyen, Tran Diem Quynh Nguyen, Hoang Loc Cao, Thi Cam Thanh Tran, Thi Cam Mai Truong, Hung Cao,
• Abstract要約: 本稿では,大規模言語モデル(LLM)に基づくシミュレートされた多言語インタビュー訓練システムであるSimInterviewを紹介する。 本システムは,その評価を雇用要件と一貫して整合させ,コンテンツを忠実に保存し,高い満足度を得られることを示す。 我々はまた、新たな規制の期待に応えるために、AI設計の概要を説明した。
• 参考スコア（独自算出の注目度）: 1.6273083168563973
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Business interview preparation demands both solid theoretical grounding and refined soft skills, yet conventional classroom methods rarely deliver the individualized, culturally aware practice employers currently expect. This paper introduces SimInterview, a large language model (LLM)-based simulated multilingual interview training system designed for business professionals entering the AI-transformed labor market. Our system leverages an LLM agent and synthetic AI technologies to create realistic virtual recruiters capable of conducting personalized, real-time conversational interviews. The framework dynamically adapts interview scenarios using retrieval-augmented generation (RAG) to match individual resumes with specific job requirements across multiple languages. Built on LLMs (OpenAI o3, Llama 4 Maverick, Gemma 3), integrated with Whisper speech recognition, GPT-SoVITS voice synthesis, Ditto diffusion-based talking head generation model, and ChromaDB vector databases, our system significantly improves interview readiness across English and Japanese markets. Experiments with university-level candidates show that the system consistently aligns its assessments with job requirements, faithfully preserves resume content, and earns high satisfaction ratings, with the lightweight Gemma 3 model producing the most engaging conversations. Qualitative findings revealed that the standardized Japanese resume format improved document retrieval while diverse English resumes introduced additional variability, and they highlighted how cultural norms shape follow-up questioning strategies. Finally, we also outlined a contestable AI design that can explain, detect bias, and preserve human-in-the-loop to meet emerging regulatory expectations.
• Abstract（参考訳）: ビジネス面接の準備は、しっかりとした理論的な基礎と洗練されたソフトスキルの両方を必要とするが、従来の教室の手法は、現在期待されている個別の文化的に意識された実践者に提供することはめったにない。 本稿では,大規模言語モデル(LLM)をベースとした多言語面接訓練システムであるSimInterviewを紹介する。 我々のシステムは、LLMエージェントと合成AI技術を利用して、パーソナライズされたリアルタイムの会話インタビューを行うことができるリアルな仮想リクエスタを作成する。 このフレームワークは、検索拡張生成(RAG)を使用してインタビューシナリオを動的に適応し、複数の言語にまたがる特定のジョブ要求と個々の履歴書を一致させる。 LLM(OpenAI o3, Llama 4 Maverick, Gemma 3)上に構築され,Whisper音声認識, GPT-SoVITS音声合成, Ditto拡散に基づく音声ヘッド生成モデル, ChromaDBベクタデータベースなどを統合したシステムにより, 英語と日本語市場におけるインタビューの可読性を大幅に向上する。 大学レベルの候補者による実験では、システムは雇用要件と一貫してアセスメントを整合させ、コンテンツの再生を忠実に保存し、高い評価を得ており、軽量なGemma 3モデルは最も活発な会話を生み出している。 質的な結果から,標準化された日本語履歴書形式が文書検索を改善し,多様な英語履歴書が追加の多様性を導入し,文化的規範がフォローアップ質問戦略をどう形成するかが明らかになった。 そして最後に、新たな規制の期待に応えるために、説明、バイアスの検出、ループ内の人間を保護できる、競争可能なAI設計の概要も紹介した。

関連論文リスト

• Overview of the TalentCLEF 2025: Skill and Job Title Intelligence for Human Capital Management [0.2276267460638319]
  本稿では,スキルと肩書のインテリジェンスに着目した最初の評価キャンペーンであるTalentCLEF 2025を紹介する。 評価にはモノリンガルとクロスランガルのシナリオが含まれ、性別バイアスの評価をカバーした。 TalentCLEFはこの分野で最初の公開ベンチマークを提供し、労働市場向けの堅牢で公平で移動可能な言語技術の開発を奨励している。
  論文  参考訳（メタデータ） (2025-07-17T16:33:57Z)
• On The Landscape of Spoken Language Models: A Comprehensive Survey [144.11278973534203]
  音声言語モデル(SLM)は、普遍的な音声処理システムとして機能する。 この領域での作業は非常に多様であり、様々な用語と評価設定がある。
  論文  参考訳（メタデータ） (2025-04-11T13:40:53Z)
• 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)
• Nexus: An Omni-Perceptive And -Interactive Model for Language, Audio, And Vision [50.23246260804145]
  本研究は, 聴覚, 視覚, 言語的モダリティを統合した, 産業レベルのOmni-Modal Large Language Model (LLM) パイプラインを提案する。 まず、様々なエンコーダ-LLM-デコーダアーキテクチャの柔軟な構成を可能にするモジュラーフレームワークです。 第二に、最先端のビジョン言語モデルであるQwen2.5-VLのオーディオ言語アライメントを事前訓練する軽量なトレーニング戦略である。 第三に、様々な現実世界のシナリオから高品質な音声テキストデータを生成するオーディオ合成パイプライン。
  論文  参考訳（メタデータ） (2025-02-26T17:26:36Z)
• MockLLM: A Multi-Agent Behavior Collaboration Framework for Online Job Seeking and Recruiting [29.676163697160945]
  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。
  論文  参考訳（メタデータ） (2024-05-28T12:23:16Z)
• 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)
• Document-Level Machine Translation with Large Language Models [91.03359121149595]
  大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクに対して、一貫性、凝集性、関連性、流動性のある回答を生成することができる。 本稿では,LLMの談話モデルにおける能力について詳細に評価する。
  論文  参考訳（メタデータ） (2023-04-05T03:49:06Z)
• 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)

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。