CoMAI: 강력하고 공정한 면접 평가를 위한 협력적 다중 에이전트 프레임워크

CoMAI: A Collaborative Multi-Agent Framework for Robust and Equitable Interview Evaluation

인공지능 기반 평가에서 강력하고 공정한 면접 평가를 보장하는 것은 중요한 과제입니다. 본 논문에서는 다양한 평가 시나리오에 적용할 수 있도록 설계된 다중 에이전트 면접 프레임워크인 CoMAI를 소개합니다. CoMAI는 대규모 언어 모델(LLM)을 기반으로 하는 단일 에이전트 시스템과 달리, 중앙 집중식 유한 상태 머신을 통해 조정되는 모듈식 작업 분해 아키텍처를 사용합니다. 이 시스템은 질문 생성, 보안, 점수, 요약에 특화된 네 개의 에이전트로 구성됩니다. 이러한 에이전트들은 협력하여 프롬프트 주입에 대한 다층 보안 방어를 제공하고, 적응형 난이도 조정을 통해 다차원적인 평가를 지원하며, 주관적인 편견을 줄이는 rubic 기반의 체계적인 점수를 가능하게 합니다. 실험 결과, CoMAI는 90.47%의 정확도, 83.33%의 재현율, 84.41%의 지원자 만족도를 달성했습니다. 이러한 결과는 CoMAI가 인공지능 기반 면접 평가를 위한 강력하고 공정하며 해석 가능한 패러다임임을 보여줍니다.

Ensuring robust and fair interview assessment remains a key challenge in AI-driven evaluation. This paper presents CoMAI, a general-purpose multi-agent interview framework designed for diverse assessment scenarios. In contrast to monolithic single-agent systems based on large language models (LLMs), CoMAI employs a modular task-decomposition architecture coordinated through a centralized finite-state machine. The system comprises four agents specialized in question generation, security, scoring, and summarization. These agents work collaboratively to provide multi-layered security defenses against prompt injection, support multidimensional evaluation with adaptive difficulty adjustment, and enable rubric-based structured scoring that reduces subjective bias. Experimental results demonstrate that CoMAI achieved 90.47% accuracy, 83.33% recall, and 84.41% candidate satisfaction. These results highlight CoMAI as a robust, fair, and interpretable paradigm for AI-driven interview assessment.