某金融科技公司-AI 视频面试模型搭建

底层技术

AI 视频面试的底层包含深度学习模型、训练技术、语音识别与分析技术、情绪识别、人脸识别、微表情识别。AI 视频面试的底层搭建了三个维度的模型，最终应用于评估候选人的6 个维度的指标，包含通用素质、专业能力、诚信度、性格特征、人才画像、编程能力。实际上，这些能力素质模型在建筑的过程中是面临巨大的挑战的，其中最难的是能力评分。

因为最终在应用层面，机器人会固定的提问12 个问题，第12 个问题会根据候选人的回答进行追问，通过最终的回复，系统会用评分的模型对其能力进行综合评价，得出具体的评分。

能力评分模型

最开始的在项目实施中的数据多来自于人才库的数据、面试流程的数据，但是当HR 开始做AI 面试的产品，缺乏最多的就是面试过程的数据，具体指的是：面试官问了什么? 候选人怎么回答的？怎么根据候选人的各项能力去打分。

当HR 发现缺乏这些数据时，就会出现盲点，不知道怎么去进行能力评分模型，如果要评分，评分的依据是什么？候选人回答了什么问题？回答的质量又如何，这些行为数据在日常中是没有记录的。

所以，企业刚开始仅仅是不断输入新的数据喂养，当一个候选人回答了一段问题，HR 应该给他的沟通能力、表达能力打什么样的分数， 这是HR 在做模型时最困难的事情，这类型的数据是从无到有的过程， 花费了半年的实践去沉淀和收集大量的数据。企业会收集所有候选人针对每一道题的语音回答，收集完成后，组织内部专家针对每一项的回答，在能力素质维度上去做评分，有了这样的数据基础之后，HR 再去简历模型，后面通过不断的数据喂养，让模型通过深度学习形成一个能力评分。

诚信模型

通过候选人的回答进行评价，判断候选人的诚信度，在整个面试的过程中有没有一些撒谎的情况，根据他们表现出一些特征，包括自信、反应、速度等等这些特征进行诚信评分。

精神面貌的模型

在招聘的过程中是比较关注一个候选人的精神面貌，也建立一个精神面貌的模型，就包括两个维度，一个颜值，一个是正向的精神面貌，是不是积极的

大家可以看到，其实在见这些模型的时候，都需要有大量的数据， 要有很多的这种人工的标注，在做这个过程的时候，人工智能真的是人工，它的基础是建立在大量的大数据基础上的，HR 要把大数据是要标识清楚，有标准的界定，然后技术团队才能够拿这样的数据去做模型实验。