大模型驱动的自动化人才简历筛选与面试评估方法

本发明涉及一种大模型驱动的自动化人才简历筛选与面试评估方法，旨在提高招聘效率，减少人为偏见，提升招聘决策的公平性与准确性。技术方案包括：简历智能解析：利用大模型提取简历的关键信息（如技能、经验、成就），并结合职位描述生成适配度评分和推荐理由。自动化面试评估：基于招聘需求，大模型生成定制化面试问题，实时分析候选人回答（如逻辑性、表达能力），并提供综合评估报告。动态反馈优化：通过历史招聘数据持续优化模型，同时支持企业自定义评估标准以适配不同行业和岗位。系统集成：结合简历解析引擎、面试评估模块与数据可视化看板，形成全流程AI辅助决策系统。