从匹配模型到招聘代理：人工智能招聘系统、评估和治理的系统化叙述回顾

arXiv:2609.04286v1 公告类型：新 摘要：招聘中的人工智能已将自动化对象从个人资料对和排名列表转变为检索证据、比较候选人以及支持或执行操作的多阶段工作流程。这篇系统化的叙述性评论通过神经人-工作匹配、大语言模型（LLM）组件和使用工具的招聘代理追踪了双边检索和行为排名的发展。使用截至 2026 年 7 月 23 日更新的有目的搜索和编码协议，加上截至 2026 年 9 月 2 日的有针对性的更新，我们组织了 40 件具有支持工业和法律来源的代表性作品。此综合并非患病率估计。我们分析了三个耦合转变：从相似性到相互适用性、从模型到复合工作流程、从离线预测到证据和生产力一致的评估。在文档理解、检索、排名、评估、访谈、采购和人工交接方面，我们区分现场、配对、列表、案例、轨迹和结果级别的证据。持续存在的差距之所以会出现，是因为行为标签混淆了曝光度、偏好和资格；私人和合成数据限制了外部有效性；最终输出分数掩盖了管道故障；并且，在编码集中，隐私不被直接评估，并且没有行联合评估效用、公平性、隐私和安全性。这些观察描述了编码集而不是整个领域。因此，我们引入了从评估证据到最有力的可辩护主张的分阶段映射，以及互惠、基于证据、时间控制、选择性和可审计系统的议程。判断进展的标准应该是工作流程是否检索到正确的证据、保留不确定性、支持有争议的决策以及在明确的成本和风险约束下改善结果。