인성_면접_모델_선정.md - 100-hours-a-week/9-team-Devths-WIKI GitHub Wiki

인성 면접 모델 선정

최종 업데이트: 2026-02-09

📋 목차

1. 개요

목적

인성 면접 모드(Personality Interview) 에서 사용할 질문 생성·평가 모델 구성을 정의한다.

  • 정해진 5문(Q1~Q5) 인성 질문
  • 각 질문에 대한 지원자 답변 수집
  • 면접 종료 후 자동 평가 및 피드백 제공

인성 면접 모드의 특징

  • 깊이보다는 폭과 일관성을 본다.
  • 기술 스택보다 태도·커뮤니케이션·경험 서술이 핵심.
  • 질문은 고정 5문, 꼬리질문 없음 (v2 기준).
  • 면접이 끝난 뒤 한 번에 평가하는 구조.

2. 요구사항

요구사항 목표 우선순위
질문 품질 실제 인성 면접 수준의 자연스러운 질문 높음
일관성 5문 전체가 일관된 맥락·난이도 유지 높음
한국어 자연스러움 4.5/5.0 이상 높음
프라이버시 사용자 답변이 외부로 유출되지 않도록 높음
응답 속도 질문 생성 시 5초 이내, 평가는 10초 이내 중간
비용 면접 1회당 합리적 비용 (평가 포함) 중간

3. 후보 모델 비교

3.1 vLLM EXAONE-3.5-32B ✅ (질문 생성용)

개요

  • LG AI Research 한국어 특화 32B 모델
  • 05_꼬리질문_모델_선정.md 벤치마크 결과 85~90점 품질
  • vLLM 서버로 자체 서빙 (A100 40GB GPU)

장점

  • ✅ 한국어 자연스러움·맥락 이해 매우 우수
  • ✅ JSON 형식·구조 준수율 100%
  • ✅ 우리 서비스에 맞춘 인성 질문 템플릿·프롬프트 적용 용이
  • ✅ 데이터가 외부로 나가지 않아 프라이버시 보장

단점

  • ❌ 응답 속도 Gemini 대비 느림 (2030초, 꼬리질문 기준)
  • ❌ A100 40GB 등 고가 GPU 필요, 인프라 비용↑

인성 면접은 5문 고정이며, 질문 생성이 실시간 반복되지 않으므로
다소 느려도 품질이 높은 32B 모델을 쓰는 것이 합리적이다.

3.2 Gemini Flash / Pro (비교용)

Gemini Flash

  • 빠르고 저렴하지만, 인성 면접 질문은 도메인 특화 템플릿 + 일관된 톤이 중요하다.
  • v2에서는 인성 질문 세트가 비교적 안정적으로 정의되어 있어,
    굳이 외부 API로 매번 생성할 필요성이 크지 않다.

Gemini Pro

  • 복잡한 분석·평가에 적합, 실제로 면접 평가 단계에서 사용.
  • 질문 생성은 vLLM 32B로 처리하고, 평가는 Gemini Pro에 맡기는 역할 분리가 더 자연스러움.

3.3 결론

  • 질문 생성: vLLM EXAONE-3.5-32B (자체 서빙)
  • 평가/분석: Gemini Pro + (선택적으로) OpenAI GPT-4o 토론 구조

4. 최종 선정

4.1 인성 면접 모드 모델 구성

단계 모델 역할 선정 근거
질문 생성 (Q1~Q5) vLLM (EXAONE-3.5-32B) 5문 고정 인성 질문 생성 한국어 자연스러움·맥락 품질 우수, 프라이버시 보장
답변 수집 - 사용자 답변 저장 (세션/DB) -
평가 1단계 Gemini Pro 전체 Q&A 분석·피드백 생성 심층 추론·STAR 분석에 적합
평가 2단계 (선택) OpenAI GPT-4o + Gemini Pro LLM 간 토론 기반 재분석 다양한 관점·합의된 최종 분석

4.2 설계 의도

  • 질문 생성은 우리 쪽 GPU 서버에서 고품질로 담당
  • 평가·분석은 클라우드 LLM(Gemini Pro / GPT-4o) 에 맡겨
    • 인프라 비용과 API 비용의 밸런스를 맞추고
    • 향후 평가 로직을 LangGraph 등으로 유연하게 확장 가능하도록 함

5. 인성 면접 모드 질문·평가 전략

5.1 질문 구조

[인성 면접 모드 진입]
    │
    ├─ Q1 → A1
    ├─ Q2 → A2
    ├─ Q3 → A3
    ├─ Q4 → A4
    └─ Q5 → A5
        │
        ▼
   [모의 면접 종료 버튼]
        │
        ▼
   [평가 1단계: Gemini Pro]
        │
        └─ (선택) [분석 결과 다시 받기] → [평가 2단계: GPT-4o + Gemini Pro 토론]
  • 인성 면접에는 꼬리질문이 없다. (v2 기준)
  • 각 질문은 인성·태도·협업·갈등 해결 등 서로 다른 측면을 커버하도록 설계한다.
  • vLLM 32B는 질문 세트 템플릿 + 후보 풀에서 조건에 맞는 질문을 생성·선택하는 형태로 사용 가능.

5.2 평가 1단계 (Gemini Pro)

  • 입력: 전체 Q&A 로그 (Q1~Q5와 각 답변)
  • 출력:
    • 질문별 평가 (적절/부족/부적절)
    • STAR 관점 분석 (Situation·Task·Action·Result)
    • 종합 점수 및 인성·태도·커뮤니케이션에 대한 요약 피드백
    • 개선 제안 (예: “상황 설명을 더 구체적으로”, “결과를 수치화하면 좋음”)

5.3 평가 2단계 (선택, GPT-4o + Gemini Pro 토론)

  • 사용자가 “분석 결과 다시 받기” 버튼을 눌렀을 때만 호출
  • 흐름 (요약):
    1. GPT-4o가 동일 Q&A를 별도로 분석
    2. Gemini Pro 분석과 GPT-4o 분석을 비교
    3. 불일치 항목에 대해 토론 패턴으로 재검토 (LangGraph)
    4. 합의된 최종 평가 + 더 정제된 피드백 제공

이 단계는 선택적이며, 비용을 통제하기 위해 기본은 1단계 평가만 제공한다.

6. 구현 참조

6.1 코드

  • 3.model/app/domain/interview/graph.py — 인성/기술 면접 흐름 그래프
  • 3.model/app/services/llm_service.py — Gemini Pro, GPT-4o 호출 래퍼
  • 3.model/app/services/vllm_service.py — vLLM EXAONE 32B 호출
  • 3.model/app/api/routes/v2/chat.py — 면접 모드 채팅 엔드포인트 (mode: personality)

6.2 설정

  • vLLM 32B 서버:
    • VLLM_32B_BASE_URL
  • 평가용 LLM:
    • GOOGLE_API_KEY (Gemini Pro)
    • OPENAI_API_KEY (GPT-4o)

7. 향후 개선 방향

  • 인성 면접에서도 간단한 꼬리질문 1~2개를 붙여 깊이를 조금 더 가져갈지 검토
    • 단, 기술 면접만큼 복잡한 3뎁스 구조는 필요하지 않음
  • 질문 풀/시나리오를 더 확장하여, 직무·경력 수준별로 다른 인성 질문 세트를 제공
  • 평가 결과를 RDB/VectorDB에 저장하여,
    • 추후 분석(예: 인성 강점/약점 통계)
    • 개인화 추천(예: 다음에 풀면 좋은 인성 질문)에도 활용 가능하게 확장

현재 기준으로는,

  • 질문 품질·프라이버시를 중시하여 vLLM EXAONE 32B를 사용하고,
  • 평가는 클라우드 LLM에 위임하는 구조가 인성 면접 모드에 가장 적합하다.