AI 招聘工具偏爱自己＂写＂的简历?

你用 AI 润色简历，企业用 AI 筛简历。看起来只是招聘两端同时提了效率。

然而，马里兰大学史密斯商学院的一项研究给出了答案：AI 会在文字里认出熟悉的表达方式，并给"像自己"的简历更高评价。

2026 年 6 月 22 日，学院正式发布了这项研究：控制内容质量之后，主流大模型对自己生成的简历表现出 67%–82% 的自偏好偏差；在模拟招聘中，使用与筛选方相同 AI 的候选人，入围概率比提交人类原稿的同等资历者高 23%–60%。

结果有点震惊：AI 偏爱 AI，尤其偏爱自己的语言指纹。

研究由史密斯商学院博士生 Jiannan Xu 和两位已毕业的博士 Gujie Li、Jane Yi Jiang 完成，论文已被 EAAMO 和 AIES 两个学术会议接收。

实验材料是 LiveCareer 上的 2245 份英文简历，全部形成于生成式 AI 普及之前——可以放心当作纯人类写作样本，覆盖会计、销售、金融、工程、医疗等 24 类职业。研究者没有虚构任何经历，只让 GPT-4o、DeepSeek-V3、LLaMA、Qwen、Mistral 等模型重写其中自由度最高的部分：一段 30 到 80 个英文单词的职业摘要。于是同一个人有了多个版本，事实相同，差别只在句式、用词和语气。

然后模型从写作者变成裁判：在两份摘要里选出更强的一份，一份自己写的，一份来自人类或别家模型，展示顺序随机打乱，评价标准只有岗位相关性、技能和经验。结果非常一致：模型明显更爱选自己的版本。

这里的 67%–82% 是偏好差值：如果一个模型 91% 的情况下选中自己的文本、9% 选人类的，偏差就记为 82 个百分点——而一个只看资历的中立裁判，本该在五五开附近。研究者还控制了篇幅、词汇复杂度和语义相似度，并请人做了盲评。即使人类评审认为原稿质量相当甚至更好，模型仍然选自己的。它偏爱的是"写得更像我"。

研究团队接着模拟了一条竞争性筛选管线：每轮 5 名候选人，每人同时放入人类版和筛选模型自己生成的版本，共 10 份材料，随机排序，要求模型只留 4 人。

如果模型只看资历，两个版本的入围机会应当对半。实际是，与筛选方"同源"的简历持续超额入选，优势在 23% 到 60% 之间，销售、会计等语言高度标准化的岗位最明显。MIT 斯隆此前对近 48 万名求职者的研究发现，获得算法写作辅助能让 offer 多 7.8%——那已算显著效应，而"恰好用对模型"的红利是它的三到八倍。

决定你过不过初筛的因素里，从此多了一条"猜中雇主用的是哪家 AI"，这和胜任力没有任何关系。

模型之间的互相排斥反而弱一些：DeepSeek-V3 稳定偏爱自己，GPT-4o 和 LLaMA 面对别家时选择并不一致。

这个偏差危险，是因为它不是实验室里的小概率场景。

HireVue 在 2026 年对全球 3100 多名招聘经理的调查显示，71% 的候选人已经用 AI 制作或修改简历，77% 的 HR 团队经常使用 AI，而完全信任这些工具的招聘团队只有 41%。

写的是机器，读的也是机器，闭环已经合上了。

斯坦福 HAI 五月发布的另一项研究补上了后果的量级：他们追踪了 340 万人提交的 400 万份申请，涉及约 150 家雇主、1700 个岗位，发现当大量企业依赖同一家算法供应商时，同一批人会在多个岗位上被连续淘汰——26% 的黑人申请者和 15% 的亚裔申请者曾申请到对其群体产生不利影响的岗位。这 400 万份申请不是马里兰研究的样本，但两项研究指向同一条链：单个模型的一点倾向，被数百家企业重复使用之后，就从一次误判变成了"算法单一栽培"。候选人以为自己在面对不同公司，背后可能是同一套裁判口味。

机器偏爱 AI 文风，人类招聘官正好相反：Forbes 今年三月引用的调查里，67% 的招聘经理说 AI 简历在破坏招聘，约三分之一的人能在 20 秒内认出来，62% 的雇主会拒掉AI痕迹过浓的简历。同一份简历的命运，取决于第一个读它的是人还是机器——如果是机器，还取决于是用的哪家的大模型。

对求职者，靠谱的做法不是去猜雇主用哪家模型，而是把 AI 当编辑而不是代笔人：自己写出可核验的经历、数字和成果，让模型帮忙压缩和匹配关键词，最后删掉空泛套话，留下能在面试里展开的细节。一份像真人的简历未必讨好每个筛选器，但不会在后续核验中崩塌。

对企业，上面提到的论文测了两个几乎零成本的干预。一是在系统提示里明确要求模型忽略文本来源、只看实质内容；二是用几个偏好不同的模型组成评审组，按多数票定结果。实验中，这两招把自偏好削掉了一半以上。

在此之外，定期用"同一候选人、不同写法"的对照简历测一测自家系统，保留人工复核和申诉通道，就是一套完整的审计动作。供应商如果连自家系统的偏差率都答不上来，它卖的工具可能正在替你按文风、而不是按能力排序候选人。

这项研究测的是受控实验和模拟管线，不等于已经证明所有商业筛选系统都有同等偏差；样本是英文简历，盲评子样本也不大，中文语境和真实企业工作流里的幅度还需要验证。

不过它的传播路径本身值得关注：论文 2025 年 8 月底就挂上了 arXiv，起初只有技术媒体注意到；2026 年 5 月纽约邮报等大众媒体跟进，6 月学院才正式发稿。一个直接关系千万求职者的发现，在公共视野外躺了大半年。

大规模用 AI 筛简历的理由，从第一天起就是"更快、更一致、更少偏见"。前两条依然成立，第三条现在有了新状况：机器确实不看你的性别和年龄，它还会看你的简历像不像它自己写的。如果招聘系统最终奖励的是最像 AI 的人，而不是最适合工作的人，那么被筛掉的不只是几份不够"标准"的简历这么简单了。

关于AI和HR的未来，你有什么想法？欢迎进群和我们一起交流~

信息来源