新框架 SCOPED-Hiring 揭示多智能体决策轨迹不公

针对 LLM 多智能体招聘系统，现有公平性审计多聚焦最终录用率，却易忽视决策过程中的隐藏不公。被 EMNLP 2026 接收的论文提出 SCOPED-Hiring 过程感知公平性诊断框架，通过结果、反事实、过程、路径、动态、设计六个视角，追踪超过 31.1 万条结构化决策轨迹，发现职业空窗触发额外怀疑、代理线索悄悄影响能力判断、身份线索改变调查审查分配等轨迹不公平现象，且过程感知风险显著强于结果导向风险。基于诊断结果，研究团队设计 Fair Skills 修复机制，针对性干预风险环节，使总分层公平负担降低 72.3%，最终录用率仅变化 1.86 个百分点，输出有效率保持 99.7% 以上。该框架将公平性审计从结果判定转向过程诊断，能定位风险来源并指导修复，为 LLM 多智能体高风险决策系统提供过程公平体检工具。