本发明涉及一种基于大语言模型多智能体机制的面试系统构建方法，属于人工智能对话系统领域。
背景技术：
1、在当前的招聘流程中，面试环节常常是耗时且成本高昂的。面试效率低下主要表现在对候选人的筛选过程中，hr需要花费大量时间来阅读简历、筛选合适的候选人，并安排面试。此外，面试过程中的问题往往缺乏针对性和一致性，导致无法全面评估候选人的能力。同时，面试的主观性也可能导致优秀的候选人被忽视，而不够合适的候选人被选中。这些因素不仅增加了企业的运营成本，也影响了招聘的质量和效率。
2、为了解决这些问题，本专利设计了一个基于多智能体机制的大语言模型面试系统。该系统能够自动生成高质量的面试问题，确保每个候选人都接受到相同标准的评估。通过精确的问题生成逻辑，系统能够针对不同职位和候选人的特点，提出有针对性的问题，从而更有效地评估候选人的技能和潜力。此外，系统还能够自动记录和分析面试过程，为hr提供数据支持，帮助他们做出更加客观和准确的招聘决策。
技术实现思路
1、针对面试领域人力成本不够的问题，本发明的目的是提供一种基于大语言模型多智能体机制的面试系统构建方法，基于chatgpt构建面试系统的面试数据集，通过使用大语言模型和多智能体机制，实现面试问题流畅自然生成，并且通过面试者的回答，交互式生成下一个面试问题。本发明构建的面试系统更为自然和具有逻辑性。
2、本发明的目的是通过下述技术方案实现的。
3、本发明公开的一种基于大语言模型多智能体机制的面试系统构建方法，包括如下步骤：
4、步骤一：面试官模型的训练。
5、步骤1.1：生成面试领域提示-问题对种子数据集。
6、根据面试模块，调研相关资料，生成该模块的种子数据集，数据集形式为提示-面试问题，以供后续大语言模型的训练。
7、步骤1.2：基于chatgpt的种子数据集循环增强，形成更新后的种子数据集；迭代n次后得到训练数据集，将其分为训练集和测试集。
8、使用步骤1.1的种子数据集输入到chatgpt中，生成新的数据样本；
9、对生成的新的数据样本进行去重处理，以确保新数据的独特性；
10、将去重后的数据样本合并到步骤1.1的种子数据集中，形成更新后的种子数据集；迭代n次后得到训练数据集，将其分为训练集和测试集；
11、步骤1.3：使用步骤1.2得到的训练数据集对面试官模型进行训练，使面试官模型具有面试问题生成能力。
12、将步骤1.2得到的训练集输入到大语言模型模型中进行训练；在训练过程中，根据批次大小和迭代次数来控制训练速度和效果，训练得到面试官模型；保存面试官模型参数和优化器状态，以备后续测试和应用；
13、步骤1.4：使用步骤1.3构建好的面试官模型测试面试问题生成能力。
14、将测试集数据输入到步骤1.3的面试官模型中，得到相应的问题生成结果；同时，计算文本生成质量，以评估面试官模型的性能表现；选择文本生成质量满足预设要求的面试官模型作为通过测试的面试官模型。
15、步骤二：设计面试系统中的多智能体。
16、步骤2.1：设计决定面试提问顺序的角色智能体。
17、面试系统分为一级维度和二级维度，一级维度为当前需要面试的模块，而二级维度则是每个模块的侧重点；角色智能体以生成随机数的方式决定一级维度和二级维度的顺序，以保证模拟真实面试中问题出现的随机性。
18、步骤2.2：设计生成发文标准的环境智能体。
19、环境智能体接受当前环境，即角色智能体输出的一级维度和二级维度的顺序为输入提示，输出当前环境发问结束，即信息收集充足的标准；
20、步骤2.3：设计存储问答并作出决策的记忆智能体。
21、使用步骤一得到的面试官模型与面试者进行面试，记忆智能体存储当前面试的所有过程记录，根据当前环境以及环境智能体生成的标准，判断面试者的回答是否包含充足信息，若是，则根据角色智能体的输出跳转到下一个环境进行提问，如不是，则根据当前环境中的问题继续提问，直到收集到足够信息为止，即实现面试系统构建。
22、还包括步骤2.4：对设计好的面试系统进行测试。
23、邀请相关人员使用面试官模型进行面试体验，根据人员反馈，提高相关不足之处，提高面试系统使用体验。
24、还包括步骤三，对面试系统获得的面试记录进行对比评价，得到评价结果。
25、步骤3.1：制定对比评价的评价标准。
26、为使用面试系统获得的面试记录进行评价，通过判断面试记录所反映的面试者的岗位匹配度的一致性，判断系统的有效性；
27、评价标准为：(1)专业匹配度：面试者的专业技能是否与岗位要求相匹配；
28、(2)教育经历匹配度：面试者的教育经历是否与岗位要求相符。
29、步骤3.2：邀请企业hr和使用大模型打分。
30、获得100份面试过程记录，邀请企业hr对面试过程记录进行打分；同时使用大模型对面试过程记录的打分，记录两份打分。
31、步骤3.3：对比计算大模型和企业hr的打分内部一致性及相关性。
32、对两组打分分别进行cronbach's alpha系数和麦克唐纳ω系数的计算，cronbach's alpha系数和麦克唐纳ω系数均大于0.8，数据可信，说明内部一致性满足预设要求。
33、对两组打分进行皮尔逊相关系数和斯皮尔曼秩相关系数计算，皮尔逊相关系数和斯皮尔曼秩相关系数均大于0.8，表明相关性高。
34、还包括步骤四：将面试系统应用于企业招聘领域、职业发展服务、在线教育平台、政府人才选拔、高等教育机构、客户服务行业，交互式生成面试问题，提高上述过程的服务质量和效率。
35、在企业招聘中，面试系统集成到企业招聘流程中，自动化初步筛选过程，通过模拟面试快速评估候选人的沟通能力和专业技能，减少人力资源部门的工作量，提高整个面试流程的效率和质量。
36、在职业发展服务中，面试系统作为求职者的个性化面试训练工具，提供实时反馈和改进建议，帮助求职者更快速准确地纠正发音错误，提高发音水平，从而增加获得职位的机会。
37、在线教育平台中，面试系统作为学生职业发展的一部分，通过模拟面试环境，帮助学生提前适应真实面试的压力，提供实时反馈，增强学生的面试技巧。
38、在政府人才选拔过程中，面试系统作为一个公正和透明的辅助工具，帮助评估候选人的综合能力，确保选拔过程的公平性。
39、在高等教育机构中，大学职业服务中心采用面试系统，帮助即将毕业的学生准备面试，提高他们的就业率和职业准备水平。
40、在客户服务行业中，利用面试系统筛选和培训具有出色沟通技巧的客户服务代表，从而提升客户满意度和企业服务质量。
41、有益效果：
42、1、以往面试系统常常通过面试者简历直接匹配面试问题，而没有在面试过程中通过面试者的回答判断下一个问题；以往的面试系统常常基于规则匹配等方式生成问题，导致生成文本不自然；以往的利用大模型构建的面试系统缺少一定的逻辑性，会使系统稳定性低，无法完整收集一次面试所需的所有信息，本发明公开的一种基于大语言模型多智能体机制的面试系统构建方法，基于chatgpt构建面试系统的面试数据集，通过使用大语言模型和多智能体机制，基于大语言模型生成流畅丰富的文本，基于多智能体机制通过面试者的回答判断下一个问题的生成，面试系统更为自然和具有逻辑性。
43、2、本发明公开的一种基于大语言模型多智能体机制的面试系统构建方法，基于chatgpt的种子数据集循环增强，形成更新后的种子数据集；迭代n次后得到训练数据集；对面试官模型进行训练，使面试官模型具有面试问题生成能力；设计决定面试提问顺序的角色智能体。设计生成发文标准的环境智能体；设计存储问答并作出决策的记忆智能体；对设计好的面试系统进行测试；对面试系统获得的面试记录进行对比评价；面试系统通过使用大语言模型和多智能体机制，实现面试问题流畅自然生成，并且通过面试者的回答，交互式生成更为自然和具有逻辑性的面试问题。
44、3、本发明公开的一种基于大语言模型多智能体机制的面试系统构建方法，面试系统分为一级维度和二级维度，一级维度为当前需要面试的模块，而二级维度则是每个模块的侧重点；角色智能体以生成随机数的方式决定一级维度和二级维度的顺序，以保证模拟真实面试中问题出现的随机性。
45、4、本发明公开的一种基于大语言模型多智能体机制的面试系统构建方法，应用于企业招聘领域、职业发展服务、在线教育平台、政府人才选拔、高等教育机构、客户服务行业，交互式生成面试问题，具有如下优点。
46、①提升候选人面试表现：使用本面试系统可以帮助候选人在模拟面试中练习和改进他们的沟通技巧。系统提供的实时反馈能够使候选人更好地掌握面试中的语言表达和非语言交流，提高他们的自信心和面试表现。
47、②优化企业招聘流程：面试系统可以作为一个高效的筛选工具，快速识别候选人的沟通能力和专业技能，从而提高招聘流程的质量和效率。
48、③促进教育和职业培训：教育机构和职业培训中心可以利用本面试系统作为教学工具，帮助学生和求职者准备面试，提供个性化的反馈和建议，促进教育公平和职业发展。
49、④提高就业机会：通过本面试系统的练习，候选人可以提高自己的面试技巧，增强在真实面试中的表现，从而增加获得职位的机会。
50、⑤降低企业成本：自动化的面试系统减少了人力资源部门在初步筛选过程中的人力成本，允许企业将资源重新分配到更关键的招聘环节。
51、⑥提升用户体验：该面试系统提供流畅自然的交互体验，通过大语言模型和多智能体机制生成的问题更加贴近真实面试场景，使候选人在练习中获得更真实的体验。
52、⑦增强候选人自我评估能力：通过系统的反馈，候选人可以更加清晰地认识到自己在面试中的优势和不足，从而进行有针对性的自我提升。
53、⑧促进人才发展和留存：企业可以通过该系统更准确地评估候选人的潜力和适合度，有助于企业吸引和保留关键人才。
54、⑨支持持续学习和改进：面试系统可以作为一个持续学习的资源，帮助候选人不断学习和发展，以适应不断变化的职场需求。
55、⑩增强跨文化交流：在全球化的工作环境中，该面试系统支持多语言和文化背景的候选人，有助于企业吸引和选择具有国际视野的人才，增强团队的多样性和跨文化交流能力。
1.一种基于大语言模型多智能体机制的面试系统构建方法，其特征在于：包括如下步骤，
2.如权利要求1所述的一种基于大语言模型多智能体机制的面试系统构建方法，其特征在于：还包括步骤2.4：对设计好的面试系统进行测试；
3.如权利要求2所述的一种基于大语言模型多智能体机制的面试系统构建方法，其特征在于：还包括步骤三，对面试系统获得的面试记录进行对比评价，得到评价结果；
4.如权利要求1、2或3所述的一种基于大语言模型多智能体机制的面试系统构建方法，其特征在于：将面试系统应用于企业招聘领域、职业发展服务、在线教育平台、政府人才选拔、高等教育机构、客户服务行业，交互式生成面试问题，提高上述过程的服务质量和效率；
