論文の概要: PolyInterview: An LLM-based Platform for Immersive Mock Interview Practice with Comprehensive Multimodal Assessment

• arxiv url: http://arxiv.org/abs/2607.10310v2
• Date: Thu, 16 Jul 2026 08:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 14:53:42.202688
• Title: PolyInterview: An LLM-based Platform for Immersive Mock Interview Practice with Comprehensive Multimodal Assessment
• Title（参考訳）: PolyInterview: 総合的マルチモーダルアセスメントによる没入型モックインタビュー実践のためのLLMベースのプラットフォーム
• Authors: Zhiyuan Wen, Jiannong Cao, Zijian Wang, Chen Chen, Xiaoyun Liu, Jianing Yin, Zhuo Li,
• Abstract要約: PolyInterviewは、総合的なマルチモーダルアセスメントを備えた没入型モックインタビューのプラクティスである。 PolyInterviewは、ターゲットのジョブ記述とCVを使用して、役割と候補に合わせて質問を生成する。 4つの並列評価器は、10つの評価面と2つの能力トラックに集約された13の行動レベル特徴を生成する。
• 参考スコア（独自算出の注目度）: 23.143105800204665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Preparing for job interviews is important for securing desired positions, yet realistic practice remains difficult to access: real interviews are infrequent, expert mock coaching is costly, and self-practice offers neither adaptive dialogue nor structured assessment. Existing systems typically address only parts of this need through fixed question sequences, limited communication channels, or feedback with little supporting evidence. We present PolyInterview, an LLM-based platform for immersive mock interview practice with comprehensive multimodal assessment. PolyInterview uses the target job description and CV to generate questions tailored to the role and candidate, conducts multi-turn spoken interviews with a lip-synced digital human interviewer that asks answer-aware follow-up questions, and evaluates response content, vocal delivery, and non-verbal behavior. Four parallel evaluators produce 13 behavior-level features that are aggregated into 10 assessment aspects and two competency tracks. Guided by the KSA and STAR frameworks, the report links each score to behavioral evidence and actionable recommendations. PolyInterview is publicly accessible. Its current all-account snapshot contains 101 accounts, 1,564 interview sessions, 7,665 generated questions, and 1,422 five-stage question sets. Generated questions are more closely aligned with their matched job description than with cross-role job descriptions in 93.7% of sessions. An evaluation by ten experts found strong question plans and actionable feedback.
• Abstract（参考訳）: 求人面接の準備は、望ましい立場を確保するために重要であるが、現実的な実践はアクセスが困難である: 実際の面接は頻繁に行われ、専門家のモックコーチングは高価であり、自己実践は適応的な対話も構造化された評価も提供しない。 既存のシステムは通常、固定された質問シーケンス、限られた通信チャネル、あるいはほとんど証拠のないフィードバックを通じて、必要な部分のみに対処する。 総合的マルチモーダルアセスメントによる没入型モックインタビュー実践のためのLLMベースのプラットフォームであるPolyInterviewを提案する。 PolyInterviewは、ターゲットのジョブ記述とCVを使用して、役割と候補に合わせた質問を生成し、リップ同期のデジタルヒューマンインタビュアーとマルチターンのインタビューを行い、回答を意識したフォローアップ質問をし、応答内容、発声、非言語行動を評価する。 4つの並列評価器は、10つの評価面と2つの能力トラックに集約された13の行動レベル特徴を生成する。 KSAおよびSTARフレームワークによってガイドされたこのレポートは、各スコアを行動証拠と行動可能なレコメンデーションにリンクする。 PolyInterviewは一般公開されている。 現在の全アカウントのスナップショットには、101アカウント、1,564のインタビューセッション、7,665の生成された質問、1,422の5段階の質問セットが含まれている。 生成された質問は、93.7%のセッションでクロスロールなジョブ記述よりも、マッチしたジョブ記述と密接に一致している。 10人の専門家による評価では、強い質問計画と実行可能なフィードバックが見つかった。

関連論文リスト

• SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery [55.50580661343875]
  本稿では,対話のロールアウトをシミュレートして検討計画を実行するマルチエージェントインタビュアーSparkMeを紹介する。 LLMベースの面接者による制御実験を通じてSparkMeを評価し,より高い面接性を実現することを示す。 7つの専門職の70人の参加者が、AIが専門職に与える影響について、SparkMeをユーザスタディで検証しています。
  論文  参考訳（メタデータ） (2026-02-24T17:33:02Z)
• InterviewSim: A Scalable Framework for Interview-Grounded Personality Simulation [32.09483697866529]
  大きな言語モデルで実際の個人性をシミュレートするには、真正の個人データにおいて基礎となる生成が必要である。 大規模にパーソナリティシミュレーションを行うためのインタビューグラウンド評価フレームワークを提案する。 我々は,1000人以上の公的な個人を対象とした23,000件の面接書から671,000件以上の質問回答対を抽出した。
  論文  参考訳（メタデータ） (2026-02-23T19:21:10Z)
• Modular AI-Powered Interviewer with Dynamic Question Generation and Expertise Profiling [0.7349727826230863]
  本研究では、文脈的に適切で専門性に整合した質問を動的に生成するAIを利用したインタビュアーを提案する。 インタビュアーは、データプライバシを保持しながらコヒーレントな対話を生成する、ローカルにホストされた大規模言語モデル(LLM)上に構築されている。 提案されたインタビュアーは、スケーラブルでプライバシを重視したソリューションで、AIによる定性的データ収集を前進させる。
  論文  参考訳（メタデータ） (2025-11-21T18:25:26Z)
• Requirements Elicitation Follow-Up Question Generation [0.5120567378386615]
  大規模言語モデル(LLM)は、複数の自然言語処理タスクにおいて最先端のパフォーマンスを示す。 本研究は,GPT-4oを要件適用時のフォローアップインタビューに応用することを検討した。
  論文  参考訳（メタデータ） (2025-07-03T17:59:04Z)
• GuideLLM: Exploring LLM-Guided Conversation with Applications in Autobiography Interviewing [73.8469700907927]
  大規模言語モデル(LLM)は、指示の追従や質問応答といった人間の指導による会話に成功している。 本研究では, LLM誘導会話を, ゴールナビゲーション, (ii) コンテキストマネジメント, (iii) 共感エンゲージメントの3つの基本要素に分類した。 GPT-4o や Llama-3-70b-Instruct のような6つの最先端 LLM と比較し, 面接品質, 自伝生成品質の観点から検討した。
  論文  参考訳（メタデータ） (2025-02-10T14:11:32Z)
• 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)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• EZInterviewer: To Improve Job Interview Performance with Mock Interview Generator [60.2099886983184]
  EZInterviewerは、オンライン面接データから学び、求職者に模擬面接サービスを提供する。 低リソースの課題に対処するため、EZInterviewerはインタビューダイアログのごく小さなセットで訓練されている。
  論文  参考訳（メタデータ） (2023-01-03T07:00:30Z)
• "GAN I hire you?" -- A System for Personalized Virtual Job Interview Training [49.201250723083]
  本研究では,GAN(Generative Adversarial Network)に基づく対話型面接訓練システムを開発した。 その結果,GANをベースとした行動フィードバックが有用であることが示唆された。
  論文  参考訳（メタデータ） (2022-06-08T13:03:39Z)
• Leveraging Multimodal Behavioral Analytics for Automated Job Interview Performance Assessment and Feedback [0.5872014229110213]
  行動的手がかりは人間のコミュニケーションや認知に重要な役割を果たす。 本稿では,インタビューシナリオにおける候補の分析を行うマルチモーダル分析フレームワークを提案する。 我々はこれらのマルチモーダルデータソースを用いて複合表現を構築し、機械学習分類器を訓練してクラスラベルを予測する。
  論文  参考訳（メタデータ） (2020-06-14T14:20:42Z)

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。