【技术实现步骤摘要】
一种基于大语言模型的面试技能训练方法、设备及介质
[0001]本申请涉及人工智能大语言模型领域,具体涉及一种基于大语言模型的面试技能训练方法
、
设备及介质
。
技术介绍
[0002]在人力资源人才发展领域中,人力资源的从业人员
(
比如,面试专员
)
,以及对人力资源领域感兴趣,想要学习的人员,均需要进行面试技能训练
。
通常来说,面试技能需要在实战场景下进行多次反复训练才能熟练运用,但是实战场景并不常见,而且难以在相同的实战场景中反复练习,这就使得能得到的训练机会较少
。
[0003]在传统的人力资源人才发展领域中,可以通过以下方式来辅助从业人员完成面试
。
一种是基于自然语言处理技术对面试者的简历进行分析,查看简历信息与岗位要求是否匹配;另一种是是基于自然语言处理技术对面试者的回答内容进行分析,抽取出候选人回答内容的文本信息,并通过对文本信息进行语义实体分析
、
逻辑推理分析等,判断候选人的回答内容是否符合岗位要求
。
然而上述方式都是应用在面试实战场景中,对面试过程和结果起到辅助效果,无法实现对从业人员的训练效果
。
技术实现思路
[0004]为了解决上述问题,本申请提出了基于大语言模型的面试技能训练方法,包括:
[0005]针对预设的多个面试类型中的每个面试类型,确定该面试类型对应的知识图谱;
[0006]根据所述知识图谱中包含的节点 ...
【技术保护点】
【技术特征摘要】
1.
一种基于大语言模型的面试技能训练方法,其特征在于,包括:针对预设的多个面试类型中的每个面试类型,确定该面试类型对应的知识图谱;根据所述知识图谱中包含的节点,将所述面试类型下设置的若干个面试问题,输入至预先训练的大语言模型中,获取所述大语言模型输出的多个回答内容;针对每个面试类型,基于所述面试问题的预设标准答案或面试官表现,得到该面试类型对应的分析标准;基于所述面试类型的所述分析标准,对所述面试类型下的所述回答内容进行人类反馈标注,以形成对所述面试问题对应的价值标注数据,构建面向面试技能训练的内容数据集;基于所述内容数据集,训练生成强化学习生成模型,并根据所述强化学习生成模型输出所述回答内容对应的优化内容,以根据所述优化内容进行面试技能训练
。2.
根据权利要求1所述的方法,其特征在于,针对预设的多个面试类型中的每个面试类型,确定该面试类型对应的知识图谱,具体包括:确定预设的多个面试类型,所述面试类型包括结构化面试
、
非结构化面试
、
行为面试
、
基于胜任力的面试以及压力面试;根据每个面试类型,确定其对应的知识图谱,其中,所述知识图谱包括多个层次,每个层次包含有多个节点,所述多个层次由上至下依次为:第一层次中的节点对应于所述面试类型,第二层次中的节点对应于所述分析标准,第三层次中的节点对应于所述价值标注数据
。3.
根据权利要求1所述的方法,其特征在于,根据所述知识图谱中包含的节点,将所述面试类型下设置的若干个面试问题,输入至预先训练的大语言模型中,获取所述大语言模型输出的多个回答内容,具体包括:根据所述知识图谱中包含的节点,确定所述面试类型在其对应的面试场景下,所设置的若干个面试问题;将所述若干个面试问题输入至预先训练的大语言模型中;获取到所述大语言模型针对每个面试问题输出的多个回答内容
。4.
根据权利要求2所述的方法,其特征在于,针对每个面试类型,基于所述面试问题的预设标准答案,得到该面试类型对应的分析标准,具体包括:针对所述结构化面试
、
所述行为面试和所述基于胜任力的面试对应的面试类型,确定所述面试类型下设置的面试问题,以及所述面试问题对应的预设标准答案;确定所述预设标准答案的标准语序结构和标准高频关键词,以得到所述面试问题的信息预期符合程度,作为所述面试类型对应的分析标准
。5.
根据权利要求4所述的方法,其特征在于,基于所述面试类型的所述分析标准,对所述面试类型下的所述回答内容进行人类反馈标注,以形成对所述面试问题对应的价值标注数据,构建面向面试技能训练的内容数据集,具体包括:针对有预设标准答案的面试问题,获取所述大语言模型的基于所述面试问题作出的多个回答内容,拆分得到所述回答内容的实际语序结构和实际高频关键词;基于所述分析标准中的标准语序结构和标准高频关键词,根据所述回答内容的实际语序结构和实际高频关...
【专利技术属性】
技术研发人员:宋业臻,肖维斌,黄杰,李小龙,姚启晨,沈骏,
申请(专利权)人:山东心法科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。