单提示词与双提示词对话生成在人力资源职位面试中的应用.pdfVIP

引用格式：JoachimDeBaer,A.SezaDoruöz,ThomasDemeester,和ChrisDevelder。2025。单提示词与双提示词对话生

2

成在人力资源求职面试中的应用。第四届生成、评估与度量研讨会论文集（GEM），第947–957页，奥地利维也纳和

线上会议。计算语言学协会。

单提示词与双提示词对话生成在人力资源职位面试中的应用

JoachimDeBaer,A.SezaDoruöz,ThomasDemeesterandChrisDevelder

IDLab,UniversiteitGent–imec,Belgium

LT3,UniversiteitGent,Belgium

{joachim.debaer,as.dogruoz,thomas.demeester,chris.develder}@ugent.be

摘要动生成对话后自动评估其质量(Jiaetal.,2024;

Zhangetal.,2024)。

优化语言模型以用于对话代理需要大量示在我们的论文中，我们专注于生成高质量

本例对话。越来越多的这些对话是通过使用的面试数据。此类数据可用于微调或偏好优化

译强大的大型语言模型（LLMs）合成生成面向任务的对话系统，以便在各种人力资源

中的，特别是在难以获取真实人类数据的领（HR）环境中与求职者进行面试。遵循Duan

域中。一个这样的领域是人力资源（HR）。

2

v在此背景下，我们比较了两种基于LLM的etal.(2024)，我们将高质量对话定义为无法与

0对话生成方法，用于生成HR职位面试，并真实人类对话区分开来的对话。为了生成这些

5

6评估哪种方法产生的高质量对话更多，即对话，我们比较了两种不同的方法。近期的研

8更难与真实的对话区分开来。第一种方法究（例如，Kimetal.(2023)和Sureshetal.(2025)）

1

.使用单个提示生成完整的面试对话。第二

2使用单个提示来生成完整的对话。其他研究（例

0种方法使用两个彼此交谈的代理。为了在

5如，Duanetal.(2024)）则使用两个提示，指示大

2每种方法下评估对话质量，我们要求一个

:语言模型扮演特定角色并进行对话。在面试的

v评判LLM通过成对比较面试来确定是否使

i用了AI进行面试生成。实证研究表明，在情况下，这些角色通常包括面试官和求职者。

x

r以六倍增加令牌数量为代价的情况下，双我们研究了以下研究问题：

a

提示法生成的面试赢得的概率比单提示法

1.哪一种提示策略（单提示与双提示）会产