激情五月播播久久久精品_国产激情偷乱视频一区二区三区_国产一区二区看久久_亚洲欧美成人网

出品 | 網易智能

作者 | 小爪

編輯 | 王鳳枝

(資料圖片僅供參考)

谷歌AI團隊，卻不信AI招聘。

至少，谷歌DeepMind的通用AI安全與對齊團隊，不愿把候選人完全交給公司現有的申請流程。

求職者走完正常申請后，還要填一份"請勿廣泛分享"的特別表格，才能確保簡歷被團隊里的真人看到。彭博社看到的內部文件稱，谷歌的申請系統存在"不可忽略的概率"錯篩簡歷，或者要花過長時間才能把申請送到團隊。

這份表格還提醒求職者：材料最終由真人閱讀，而團隊成員已經厭倦了大模型生成的申請內容。言下之意，請別用AI代寫簡歷。

對此，谷歌方面否認系統會錯篩求職者。DeepMind發言人回應稱，該表格僅用于繞過招聘人員的初步審查，將簡歷直接遞交至團隊成員，并不構成錄用捷徑。

但這背后也透露出一個尷尬的現實：求職者一邊擔心簡歷被系統誤篩、到不了真人手里，招聘方一邊又發現擺到面前的簡歷越來越像AI的批量產物。當寫簡歷和篩簡歷都有AI介入，簡歷本身還能提供多少有效信息？

崗位申請翻倍，企業招聘團隊卻縮小一半

招聘平臺Greenhouse今年3月發布的基準報告分析了6000多家公司和6.4億份求職申請。2022年到2025年，每名招聘人員每年要處理的申請量從146份漲到746份，翻了四倍多；同期每家企業的招聘團隊規模，從平均10.43人縮到4.62人，減少一半以上。

承壓的不只是招聘人員，每個崗位本身也在被更多人盯上。每個職位收到的平均申請數，也從116份漲到244份，翻了一倍。

招聘人員的產出確實提高了，人均每月促成的錄用從2.2人升到4.9人。但填一個坑的平均時間，反而從44天拖到了60天。系統吞下了更多簡歷，招聘周期卻沒有跟著變短。

這些變化當然不能全甩給AI。就業市場波動、遠程崗位普及、企業縮減招聘團隊，都會推高單個職位和單名招聘人員面對的申請量。

但生成式AI確實把申請成本又往下壓了一截。以前反復改的簡歷、求職信、申請問答，現在幾分鐘能生成好幾版。候選人不知道第一輪誰在篩、按什么規則篩，廣撒網就成了理性選擇。

招聘方也在跟著上工具。美聯社5月報道，面對AI生成申請帶來的材料洪流，一些企業已經開始用聊天機器人做電話、文字或視頻面試，主要用在早期篩選。

一個循環就這么轉起來了：求職者用AI擴大投遞，招聘方用AI壓縮名單。兩頭都省了力氣，可整個系統反而要花更多精力，去驗證一份材料背后的經歷、意愿和真實能力。

當AI既寫簡歷，也給簡歷打分

更麻煩的是，自動篩選未必是在找"最合適"的人，也可能是在找"最像自己"的文字。

今年6月更新的一項研究，拿2245份人類撰寫的簡歷做底本，為同一批候選人生成不同來源的簡歷摘要，讓多種大模型兩兩比較。控制內容質量之后，幾款較大模型選自己生成版本、和選人類版本之間的概率差，達到了67到82個百分點。

這里的67到82不是錯誤率，也不是模型選自身作品的絕對比例，而是兩類文本被選中概率之間的差值。如果模型完全沒有偏好，這個差值應該接近0。

研究人員隨后模擬了24類職業的招聘。用與篩選器相同模型潤色材料的候選人，進入候選名單的概率，比提交人類撰寫版本的同等候選人高出23%到60%。

論文把這種現象稱為"自我偏好"。研究者提出的一種可能機制是"自我識別"：模型或許能從語言風格和結構線索中辨認出與自身生成習慣相近的文本。但這不等于模型像人一樣，有意識地"認出"了自己的作品。

研究是在受控環境里做的，既不是對真實招聘平臺的審計，也證明不了用AI改簡歷就一定更容易拿到offer。它只是說明一種可能：當AI同時寫材料又評材料，拿高分的未必是能力更強的人，也可能只是文風更對模型胃口的人。

對求職者來說，這就多了一個新的優化方向。以前改簡歷，是為了讓招聘人員更快看懂自己的經歷；現在，越來越多材料是在往適合機器讀取的格式上靠。措辭更完整、結構更標準、關鍵詞更齊全，代價是不同候選人開始像從同一套模板里生成。

同樣是AI招聘，做的事不同，結果可能相反

但話說回來，AI摻和進招聘就一定變糟？也不見得。

今年7月發布的一項現場實驗，把約7萬名求職者隨機分成兩組，一組走人工面試，一組走AI語音面試。兩組的面試記錄最后都由人類招聘人員評價，錄用也由人拍板。

結果是，接受AI語音面試的求職者，拿到錄用通知的概率相對高出12%。這種提升還延續到了實際入職和留任，研究也沒有發現受聘員工的生產率下降。

關鍵在于，這里的AI不是決定誰被錄用的裁判，它只負責提問、追問、收集信息，再把面試材料交給人判斷。研究人員看面試記錄發現，AI主持的面試更結構化、更一致，同時還能根據回答做出調整。這種"受控的差異"，讓更多招聘相關信息被收集了下來。

這跟自動篩簡歷有個關鍵區別。簡歷排序是在已有文本里做減法：根據關鍵詞、經歷、崗位要求縮小名單。結構化面試更像做加法：讓每個候選人回答問題，補上簡歷里沒有的信息，把不同人的經歷整理成可以比較的材料。

輸入一批高度相似的簡歷時，模型會放大文本風格和關鍵詞的影響；AI被用來持續追問、補齊信息時，反而可能幫真人拿到原本缺失的判斷依據。

當然，這只是特定企業和特定崗位里的實驗，不能證明AI面試普遍優于真人，也沒測試讓AI獨立決定錄用的后果。但它至少說明，在特定企業和崗位中，AI用于結構化收集信息，可能改善真人的判斷條件。招聘自動化的效果，不只取決于模型能力，也取決于它是在替人淘汰候選人，還是在幫助人獲得新的信息。

招聘系統真正缺的，不是更快淘汰人

繼續追問"一份簡歷是不是AI寫的"，很可能會變成一場沒有終點的追逐。模型可以換，提示詞可以調，生成的文字還能再人工改一遍。招聘人員就算看出了模板痕跡，也很難只憑文風判斷一段經歷是否真實。

Reddit的招聘從業者社區里，有人說自己目前不完全信任任何AI檢測工具。更管用的辦法，是在申請環節加一項跟實際工作直接相關的短任務：批量投遞的人往往懶得做，愿意認真答的人至少留下了新的判斷材料。也有人提到，在申請表里加一個針對具體崗位的問題，能過濾掉大量根本沒看職位要求的申請。

這些只是從業者的個人經驗，但指向的產品方向倒是值得驗證：與其判斷現有材料"像不像真的"，不如讓候選人提供簡歷里原本沒有的信息。

重點不在于禁不禁止求職者用AI。哪怕一份材料是借AI完成的，招聘方一樣可以接著問：為什么這么做？中間有哪些取舍？條件變了會怎么調整？簡歷給的只是壓縮過的結論，新的材料加上后續追問，才能讓候選人把過程亮出來。

AI也可以參與這一環。它可以給每個候選人拋出大致一致的問題，整理回答，標出需要真人復核的地方。與其讓模型在后臺默默替人淘汰候選人，不如讓它幫招聘方更早拿到一批可比較、可追問的信息。

不過，理想用法和現實用法之間，往往隔著一段距離。

今年4月發表于FAccT2026的一篇論文，就記錄了這段距離。研究人員訪談了22名招聘從業者，受訪者普遍覺得自己還握著最終決定權，但生成式AI已經悄悄改變了職位怎么定義、候選人怎么評價、什么樣的面試表現算"好"。不少人坦言，用AI并不完全是自己的選擇：管理層要求提高使用率、求職者先一步用上、個人的效率壓力，都在推著他們上工具。可他們說的效率提升其實相當有限，一些人反而擔心：越來越多基礎判斷交給工具之后，自己會慢慢失去控制感，也失去專業能力。

回頭再看DeepMind那張"請勿廣泛分享"的表格，它不能證明谷歌的系統確實錯篩了簡歷，卻說明團隊希望繞過常規初審，讓申請直接到達成員手中。這條人工通道能解決材料能不能被看見，卻仍然回答不了那個更基本的問題：這個人究竟做過什么？