AI 招聘会认出「自己的笔迹」，研究发现：同款 AI 写的简历，录取率直接暴增 60%

📄完整原文· 由 trafilatura 自动抓取Gemini 翻譯1861 字

三校联合研究发现，AI 招聘工具存在“自我偏好”现象——不仅偏好 AI 撰写的简历，更偏好同款 AI 自己改写的版本，候选人若用对工具，入围率可提升 23%–60%。（前情提要：14 所名校爆“秘密指令洗脑 AI”丑闻，早稻田教授：太多人偷懒把论文审稿给 AI）（背景补充：加州大学研究“AI 脑雾”现象：14% 上班族被 Agent、自动化搞疯）以为简历写得好就能过 AI 筛选？研究告诉你：重点不是写得好，而是用哪套 AI 写的跟筛简历的是不是同一家。 X 使用者 @heynavtoor 一篇整理贴文这几天在推特炸锅，累计超过 21,000 赞。他引述一篇来自马里兰大学、新加坡国立大学（NUS）与俄亥俄州立大学三校联合发表的论文，主张“同一份简历，AI 改写版被 AI 招聘工具挑中的机率高达 97.6%”。不过，这个 97.6% 的数字需要放进更完整的脉络来理解。这篇论文“AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights”（arXiv:2509.00462）2025 年 9 月首次发表，2026 年 2 月 9 日更新，并已入选 AAAI/ACM AIES Conference。换句话说，这不是刚出炉的新研究——是近期因社群疯传才重新浮上水面。研究设计相当严谨：团队从 ChatGPT 问世之前的求职平台上，搜集了 2,245 份真实人类撰写的简历，确保原稿是纯人工写作。接着让七个主流 AI 模型分别改写这些简历，涵盖闭源模型 GPT-4o、GPT-4o-mini、GPT-4-turbo，以及开源模型 LLaMA 3.3-70B、Mistral-7B、Qwen 2.5-72B、DeepSeek-V3。论文原文指出，在大型对齐模型中，AI 改写版简历被同类 AI 审核工具优先挑选的比率，范围落在 68%–88%；GPT-4o 的自我偏好率超过 80%。推文流传的 97.6% 是在特定极端条件或测试设定下的单点数值，不等同于论文的整体结论范围。研究中更深层、也更值得关注的发现，是“LLM 对 LLM 的自我偏好”现象。每个模型不仅偏好 AI 改写的版本，更偏好自己改写的那份。论文指出，DeepSeek-V3 挑选自家改写简历的频率，比挑选 LLaMA 版本高出 28%；推文版本的表述是 69%，可能涵盖特定子集的极值。研究团队还排除了一个最常见的反驳：“AI 改的比较好，所以 AI 当然挑 AI 的。”他们请真人评分员对同批简历的“清晰度、连贯性、说服力”进行独立评分，再重跑实验，控制住品质变数后，自我偏好现象依然存在，而且没有消失。也就是说，即便人类评审认为原版人写的更好，AI 审核工具仍然选自己改的那份。研究最具现实冲击力的部分是职业情境模拟。团队横跨 24 种不同职业，模拟候选人使用“与招聘工具同款 AI”vs“不同款 AI”来准备简历的结果。结论：用同款 AI 的候选人，入围率比其他人高出 23%–60%。换句话说，在现有的 AI 招聘生态下，简历最佳化策略的关键已经不再是“写得好不好”，而是“猜对公司用哪套 AI 筛简历，然后用同一套来准备”。这个逻辑如果成立，招聘过程就从能力竞争，悄悄滑向了资讯不对称的系统性偏差。研究引用产业资料指出，目前全球 99% 的大型企业在收到简历时都已汇入 AI 筛选工具，其中多数使用的是 GPT 系列模型。问题在于，求职者几乎没有管道知道对方的招聘系统究竟跑的是哪套模型。这让“选对 AI”的策略本身变得不透明，甚至带有运气成分。研究发表后，The Register 早在 2025 年 9 月 3 日就已报导，但当时没有引起广泛

数据状态✓ 已抓取全文阅读原文（動區 BlockTempo）

🔍历史类似事件· 关键词 + 标的比对0 则

找不到相似事件（需要更多数据样本或 embedding 搜寻，目前为 MVP 关键词比对）

原始信息

ID：2f7ed1ce49

来源：動區 BlockTempo

发布：2026-04-27 03:07:45

分类：zh_news · 导出分类 zh

标的：未指定

社群投票：+0 / −0 · ⭐ 0 重要 · 💬 0 留言