EMNLP 2026 论文量化招聘多智能体隐性偏见

EMNLP 2026 主会接收的一篇论文提出 **SCOPED-Hiring** 框架，把矛头对准 LLM 多智能体招聘系统里的隐性偏见。论文的核心判断是：只盯最终录用率来判断公平性是有缺陷的 —— 两个群体的录用率可以完全持平，但在决策过程里，他们被审查的强度并不一样：更频繁地被质疑、初评分数更低、被追问的轮次更多。

SCOPED-Hiring 的做法是把这些「过程信号」量化下来，给各环节的 **怀疑度、讨论深度与评分偏差** 创建可解释的诊断指标，把公平性的评判口径从「结果公平」推向「过程公平」。论文摘要只有这些：框架长什幺样、指标怎幺算、在什幺数据上跑，都在原文里。

💡 为什么值得看过程不公平可能被录用率掩盖，该诊断能发现并定向修复。