待验证50% 置信观点精确时间

LLM评估相比人工更客观，能在统一评估框架下对候选人一致性打分，避免人类面试官因疲劳、心情、首因效应等认知偏差导致的不公

1

来源数

50%

置信度

长期有效

时效性

2026/8/16

首次发现

来源

企业级AI智能面试系统：设计思路与落地实践全解析

bilibili大模型学习教程2026/8/14

相关事实

待验证简历评估应使用会批判的模型而非过度迎合（sycophantic）的模型，否则会将夸大成就照单全收给出虚高评价73% 相似已验证LLM-as-a-Judge方法存在位置偏差、冗长偏差和自我偏好偏差等已知系统性偏差73% 相似待验证人类标注者在评估答案时存在信息越丰富越好的认知偏差，导致奖励模型将篇幅与质量隐性挂钩，是模型冗余的成因之一71% 相似待验证单一LLM评判者存在位置偏见（倾向于给出现在前面的答案更高评分）和自我增强偏见（倾向于给自家风格的输出打高分）71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/755802

API

curl https://kongchang.com/api/v1/knowledge/claims/755802

MCP

get_claim(id=755802)