产品中心
电话：400-123-4657
传真：+86-123-4567
邮箱：admin@youweb.com
地址：广东省广州市天河区号
AI在偷偷选「自己人」，这是2026最离谱的求职歧视_简历_DeepSeek-V_模型
添加时间：2026-05-07 09:15:04 点击量：273
“内容为王”这句话在哪个时代都不会过时。随着消费升级，日益庞大的中国高端群体对高品质的生活方式与旅行体验的需求为高端出境旅游市场带来巨大市场机遇。现今的旅游产品也更向个性化、定制化、品质化靠拢，对内容创新提出更高的要求。内地的旅游内容市场仍有5-10倍的增长空间。最近36氪接触了一家做移动端旅游社区电商的团队——河马旅居指南。
河马旅居定位中等收入人群18-34岁的年轻群体，想通过碎片化的PGC或UGC内容培养用户粘性，由内容社区模式切入出境游市场。传统的旅游内容多是以长图文的游记形式呈现，河马旅居并不刻意强调旅游路线或整个游历过程的感受，在内容呈现上更加碎片化、个性化、移动化以及品质化，以小众或特色地点作为维度输出内容，建立内容社区，类似于旅游界的“小红书”或“什么值得买”。
河马旅居在部分海外旅游城市有一个4到5人的自媒体小团队定期生产PGC内容，每月更新一次内容，以优质的内容导流。目前河马的获客成本低至2-3元/人。
优质的内容利于培养高粘性度的用户，当累计到一定数量的优质内容生产者，达到一定的用户规模时，将由PGC内容带动UGC内容的自发产出，进而开始搭建旅游内容社区，最后完成向旅游社区电商的转型，形成交易闭环。
目前河马旅居的流量较为分散，微信公众号累计粉丝3万，MONO 5万，豆瓣 1万，C端获客主要来自微博、豆瓣，上周刚上线微信小程序。后期需考虑转化用户集中流量，现阶段团队正尝试跟移动WiFi租赁和签证业务团队资源置换，互相增加入口。
商业模式上，河马旅居打算分两步走，第一阶段，先帮助用户解决去哪里玩的问题。河马打算与当地的旅游局或航空公司合作，帮助他们做中国市场的整体营销，宣传当地旅游资源。第二阶段，解决用户怎么玩的问题。平台可通过用户的行为数据分析社区调性从而推荐相应的特色化旅游产品，例如在京都的寺院坐禅、学习茶道、参观日本酒的蒸馏厂等等。
此外，河马旅居也在尝试开拓知识付费的营收渠道。从体验、艺术、咖啡、酒吧、餐厅、酒店等六个维度切入，做成各旅游城市的PDF版官方性质PGC攻略。3月份售出800多本，每本单价15元。
河马旅居创始人余晓盼表示，河马旅居的核心竞争力还是个性化的内容表达。“传统旅游社区把内容做的太死气沉沉了。人美、景美但流水账似的内容很无趣。好的内容本身就是门槛。原创的有趣的才有生命力。”
内容+电商并不是一个新概念，如今传统OTA、头部电商平台以及媒体型电商都在加码内容，但要持续产出有价值的内容并非易事，需要足够规模的内容生产团队长时间的内容积累，而具有极强传播力的爆款内容更是可遇而不可求，营造内容社区所花费的精力也许正是其门槛所在。
河马旅居目前的管理团队为4人，内容产出团队20人。创始人余晓盼任河马主编兼运营，曾任职于私募、资管、律师事务所，为《美食侦探系列》旅行畅销书作者。团队目前正在寻求天使轮融资。
如果你这周自己写了求职信，你输给的并不是更好的候选人。你输给了一个更差的候选人，他花了 20 美元给 OpenAI。
今年初，马里兰大学、新加坡国立大学和俄亥俄州立大学的三位研究者从 LiveCareer 求职平台上，找来了 2245 份写于 ChatGPT 普及之前的真实简历。随后将每份简历的自我简介部分抹去，分别交给 GPT-4o、DeepSeek-V3、LLaMA 3.3-70B 等七个大模型，各生成一个新版本。
然后，他们让同一批模型充当「面试官」，在人类原版和 AI 重写版之间，选出他们认为更好的那份。
AI 以高于 95% 的频率选择了 AI 重写版。
file:Users/Zhuanz/Downloads/2509.00462v3.pdf
你输给了一个更差的候选人，他花了 20 美元给 OpenAI
GPT-4o 在 ***.6% 的情况下，选择了自己写的版本。Qwen 2.5-72B 是 95.9%，DeepSeek-V3 是 95.5%，LLaMA 3.3-70B 是 96.3%。
研究者的措辞是「strong and consistent」，强烈而一致。
也许有人会说，AI 重写的简历本来就更好，更清晰，更流畅，AI 选自己写的版本，不过是选了一份客观上更优秀的文本。
研究者同样预料到了这种质疑，于是他们专门招募了 18 位人类评估员，对简历对进行盲评，在不知道哪份是 AI 写、哪份是人写的前提下，判断哪份质量更高。
结论是：哪怕人类评估员明确认定人类写的版本更好，AI面试官依然固执地选择了自己的作品。
这更像是一种认亲，一种模型在自己的语言风格里辨认出了「同族」的直觉。这种现象叫「自我偏好偏见」（self-preference bias）。
研究者模拟了 24 个职业类别的招聘流程，每次从 10 份简历中，选出 4 个人进入面试。如果偏见不存在，人类版和 AI 版应当各进 2 个。但实验显示，使用了和 AI 面试官同款模型来润色简历的候选人，被选中的概率比递交原版简历的人高出 23% 到 60%。
新一代模型还会出现这样的问题吗？
论文的实验***样时间大约在 2025 年上半年，使用的是当时的主流模型阵容。彼时的 AI 版图，放在今天来看已显出一些陈旧。
我们用最新一代模型重新做了一次粗略的验证。
先请 Claude Opus 4.7 生成了一份简历，再把这份 AI 简历和一份手搓简历放在一起，问 Claude Opus 4.7 哪份更好。
它毫不犹豫地选择了自己生成的那份，理由说得头头是道：视觉层级更清晰，用了项目符号和粗体标签，HR 扫一眼就能抓到亮点，第二份是纯文本铺陈，重要数据淹没在段落里。
然后我们把上述两份简历交给 DeepSeek V4，让它来评判。
结果是，DeepSeek V4 同样认为 Claude Opus 4.7 写的那份更好，还把两份简历的差异整理成了一张对比表，它说第一份「结构极其清晰，一秒抓住重点」，第二份「更像个人作品集清单或给 AI 投喂的数据包，不太适合直接投递」。
这说明不同模型之间存在某种趋同的审美，对「好简历」的判断，可能就是对「AI 写的简历」的判断。
我们也请 DeepSeek V4 自己生成了一份简历，然后在一个全新的对话里，把这份 AI 简历和同一份手搓简历放在一起，同样问哪份更好。
DeepSeek V4 也毫不犹豫选了自己的。它在新对话里并不知道那是自己生成的，所有的记忆都已清空。但它还是选了它。这更像是，它对那种写作风格有一种先于记忆的偏好。
如果这个规律在新一代模型上继续成立，那么现在的旗舰模型所呈现的偏见程度，有可能比 GPT-4o 更高，而非更低。我们的测试虽然简陋，但方向上与论文的推断一致。
当然，这几组测试不足以构成严格的实验证据。因为测试对象只有一对简历，变量没有控制，结论无法量化。
「虚拟短缺」与系统的自我封闭
二十年前，人类学家项飙在《全球猎身：世界信息产业和印度技术劳工》中，描述了信息资本主义如何在全球范围内组织劳动力的流动与储备。
他注意到，IT 产业的扩张，并非建立在真实的人才短缺之上，而是伴随着一种被不断制造出来的「短缺」叙事。
雇主始终希望劳动力供给持续扩大，以支撑业务规模的增长；供给越多，这种「虚拟短缺」反而越难被填满，技术人才「短缺」与高失业率于是长期并存。项飙还说，「IT 本身不仅是一项技术，更是一个社会性的建构。」
今天，AI 招聘工具所制造的，同样是一套关于「什么样的候选人是合格的」的新的评价体系。当这套体系开始以隐蔽的方式偏向特定的语言风格，一种新的「虚拟门槛」便随之成形。
有人或许会说：大家都用同款 AI 润色简历，不就扯平了？
这个想法在个体层面是合理的，甚至是必要的自保举措，但在系统层面，它描述的是一场没有赢家的军备竞赛。
某家公司用 GPT-5.4 筛简历，求职者得知这一点，于是用 GPT-5.4 写简历；但另一个部门用的是 Claude Opus 4.7，候选人不知道，于是反而落了下风。
而大多数人根本无从知晓哪家公司在用哪款工具，因为这类信息从来不出现在招聘广告里。更何况，如果所有简历都开始趋同于某几款主流模型的语言风格，所谓的「筛选」便失去了它原本应有的区分意义。
这种自我封闭的倾向，论文用了「锁定效应」这个词来描述。意思是，如果某款模型在市场上长期占据主导地位，那么它偏好的那种语言风格，会通过招聘系统不断被正向反馈，最终成为这个职场的「标准语言」。
这一偏见的分布方式，在已有的不平等上叠加了新的不平等。
研究者的模拟显示，偏见在商科类岗位最为严重，在技术性或实践性较强的岗位相对较轻。 这大概是因为，商科类简历高度依赖语言表达，AI对文字风格的影响在这里被放大；而对于技工类岗位，具体技能的陈述比语言风格更为关键。
然而，正是在那些最依赖文字表达的岗位上，非母语者本就已经处于劣势，如今又多了一重：他们不只可能用词不够「标准」，还可能用了「错误」的那款 AI。
两层压力叠加，结果可以想见。
论文的结尾处，研究者提出了两种缓解策略：
一种是在系统提示词里明确告诉模型，不要推断简历的来源，只关注内容本身。这种方法能把 LLaMA 3.3-70B 的偏见从 79% 降至 30%，效果相当可观。
另一种是让大模型和几个自我偏好极弱的小模型组成评审团，以多数票决定最终结果。这个方案更为有效，能把大多数模型的偏见削减超过一半，例如 GPT-4o 从 82% 降至 30%。
两种策略都有一个共同的前提：使用 AI 筛简历的雇主，必须首先知道这个问题的存在，并主动选择去干预它。这个前提，在现实中未必成立。
如今，大多数大公司在初步筛选阶段让算法单独完成淘汰工作，不经过任何人工审查。在这样的流程里，一个无人知晓的偏见，会在沉默中无限复制下去。
监管层面虽有动作，但步调并不统一。
纽约市已要求对自动化招聘决策工具进行年度偏见审计，科罗拉多州的 AI 法案将于 2026 年 6 月生效，加利福尼亚也在 2025 年完成了 AI 招聘相关法规的修订。
但这些法规的出发点，基本上针对的是种族、性别等人口统计学层面的歧视，而非 AI 相互之间、由「工具选择」产生的偏见。
当 AI同时进入内容生产和内容评价两端，整个系统开始变得自指、自恋，并对外部的多样性越来越不友好。
你的资历并不重要，如果 AI 更喜欢自己的笔迹而不是你的。
我们正在招募伙伴
📮 简历投递邮箱hr@ifanr***返回搜狐，查看更多
