使用GPT驱动的人工智能进行自动化面试评分

了解我们如何在内部自动化招聘平台topgeek中利用ChatGPT简化面试评分流程。

简介

对于企业来说，面试评分是非常耗费时间的，特别是随着招聘过程变得越来越复杂。在这种情况下，由人工智能驱动的招聘平台正在证明是一种有效的解决方案。本文介绍了一种这样的人工智能驱动解决方案——topgeek与ChatGPT结合使用。

问题陈述

手动评分面试是一项主观且耗时的任务。对于编码面试来说尤其如此，因为它们需要技术专业知识。

自动化评估可以节省时间并确保客观性。我们将自动化访谈和记录所生成的音频和视频的专属招聘平台topgeek与OpenAI创建的AI技术ChatGPT相结合，以实现评估过程的自动化。

建筑概述

为了自动化打分流程，我们使用了多种技术组合：

Deepgram语音转文字转录API
自然语言处理的OpenAI API
GraphQL与我们的数据库接口。

以下是流程概述...

当候选人完成面试后，视频和音频会被记录并存储在我们的topgeek数据库中。然后，我们检索已完成的面试，包括所问的问题，给出的答案，以及生成的音频和视频录音。

我们使用GraphQL查询来检索这些数据。对于每个访谈，我们提取了音频录音以及候选人在文本框中提供的书面答案。如果答案是通过语音给出的，我们使用Deepgram API将候选人的语音转录为文本。然后，将转录的文本发送到OpenAI API，根据提供的问题和答案生成评分和反馈。最后，我们更新我们的数据库并自动化整个过程。

逐步前进

数据检索部分

为了检索数据，我们使用了一个类似于以下的GraphQL查询：

在左侧，我们附加了一个房间哈希值到每一次面试。每个房间哈希值对应着大约10到12个问题。在右侧是回答内容。我们得到一个答案，一个问题，一个录音路径以及一些ID。

在图片中突出显示的第一个问题中，我们可以看到答案框[]为空。这意味着候选人已用口语回答，我们需要将其从口语转换为文本。我们选择了Deepgram API用于语音转文本，因为它速度相当快，并且可以很好地处理印度口音。

在第二个答案中，我们可以看到答案是用代码表示的。OpenAI 可以用来评估这段代码。

一个需要注意的重要事情是，为了评估过程所做的转录被保存在我们的数据库中，以备将来使用和参考。我们可以在TopGeek分析页面上看到保存的信息。

自然语言处理部分

我们使用OpenAI生成评分和反馈。

我们从GraphQL API获取了一个问题，答案可以为语音转文本或代码形式。然后我们发送提示：“请充当评估员”和“请在0到10之间评价此答案”。当以自然语言格式指定时，Open AI作为评估员。我们要求它用JSON格式回复“评级”和“评论”。

行动中的代码

我们可以看到我们发送给Open AI的代码。我们已经指定了一个model_engine文本-达芬奇-003。Open AI拥有多个语言模型。达芬奇模型是其中之一，因为给出的答案主要是相关和有帮助的。它是在各种在线书籍和文章上进行训练的，因此被广泛认为能够准确地预测下一个单词。

在下面的代码行中，我们指定了引擎、作为求解器并给出答案的提示和最大标记长度，这意味着我们需要的解决方案的最大长度。我们使用更多的参数，如top_p，它表示我们想要的答案的概率最高的概率，stop=none，它表示我们不希望在达到特定词时停止，以及温度，它是下一个预测的随机性。我们目前将其设置为0.5。

在此之后，我们按要求收到了评分和反馈。