Протестированные платформы для ИИ-собеседований: CodeSignal, Humanly, Eightfold в отборе кандидатов

Старший репортёр The Verge по теме искусственного интеллекта Хейден Филд протестировала три платформы для проведения собеседований с использованием ИИ для отбора кандидатов на работу: CodeSignal, Humanly и Eightfold. Эти платформы используют аватары ИИ для проведения индивидуальных видеоинтервью с соискателями, задавая вопросы и анализируя ответы.
Как работают платформы для собеседований с ИИ
Инструменты ИИ работают следующим образом: соискатели участвуют в видеозвонках, где аватар ИИ задаёт вопросы и оценивает ответы. Компании, стоящие за этими платформами, утверждают, что они позволяют организациям проводить первоначальный отбор практически каждого кандидата, а не только его части. Некоторые считают, что эти системы анализируют ответы, а не визуальные подсказки, что потенциально снижает предвзятость.
Ограничения и проблемы
Несмотря на заявления о снижении предвзятости, в статье отмечается, что полностью беспристрастные системы ИИ достичь невозможно. Модели обучаются на больших интернет-наборах данных, содержащих сексизм, расизм и другие предубеждения. Филд сообщила, что хотя некоторые платформы казались более естественными, чем другие, каждый раз ей хотелось, чтобы она разговаривала с человеком. Она особенно отметила, что ей было трудно из-за эффекта «зловещей долины», когда она смотрела на аватар ИИ, слушающий её ответы.
Методология тестирования
Филд тестировала платформы для различных вакансий, включая позиции, созданные для упражнения на основе её текущей роли и реальных вакансий, размещённых в Vox Media. Тестирование выявило различия в том, насколько естественной казалась каждая платформа, хотя все они имели фундаментальное ограничение — это были собеседования с ИИ, а не с человеком.
📖 Read the full source: HN AI Agents
👀 Смотрите также

ИИ-агенты, не сокращающие расходы на обслуживание, потянут вашу команду на дно
Джеймс Шор утверждает, что удвоение скорости написания кода с помощью ИИ без пропорционального снижения затрат на обслуживание приводит к чистой потере производительности в течение нескольких месяцев. Модель показывает, что при двукратном увеличении объема вывода кода с двукратными затратами на обслуживание каждой строки производительность через ~5 месяцев становится хуже исходной.

Гонка за передовым ИИ закончена: сети малых моделей превосходят централизованный ИИ по стоимости и возможностям
Сети небольших моделей ИИ теперь превосходят все передовые системы по скорости, точности и стоимости. Статья утверждает, что централизованные компании ИИ не могут вернуть лидерство из-за «эффекта Гидры» — ансамблирование более дешевых моделей рекурсивно побеждает любую одиночную модель.

Проект ИИ-агента Obsidian разработчика стал вирусным за одну ночь
Исследователь с докторской степенью создал команду ИИ-агентов для управления своим хранилищем Obsidian, опубликовал проект на GitHub и проснулся с более чем 700 звёздами менее чем за 13 часов. Внезапное внимание вызвало панику, из-за чего репозиторий временно стал приватным, прежде чем был вновь открыт с улучшениями.
Claude Code v2.1.237: исправление кэширования подсказок для LLM-шлюзов + встроенный краткий стиль вывода
Claude Code v2.1.237 исправляет кэширование промптов для пользователей LLM-шлюзов и пользовательских базовых URL, а также добавляет встроенный стиль вывода «Concise», который пропускает вступительную часть и повествование.