什么值得买App下载 App ›
连续签到专享现金活动

Z世代怕自己简历像AI难过初筛?真正刷掉你的不是“AI味”

11月1日,#Z世代怕自己简历像AI难过初筛?#冲上热榜,信息源是招聘平台的一项调研:多数求职者遭遇过AI初筛拒信,AI润色后的简历趋同度很高,招聘双方都认为现有流程有问题、急需更公平的竞争机制。当晚,知乎问题“AI简历泛滥致求职者担心「太像AI」被刷,这反映了什么?”也随之登上热榜。焦虑是真的,但担心错了对象:AI初筛卡的是经历和岗位匹不匹配、经不经得起核对,“AI味”主要在人工二筛和面试环节扣分,真正的系统性风险是所有人的简历越来越像。IT之家知乎

这种担心之所以集中爆发,是因为AI已经成了招聘流程的两端标配。前程无忧《2026校园招聘白皮书》里,2026届毕业生使用AI工具辅助求职的比例达到91.5%。同一份数据的另一处转述还补了一个口径:48.6%的人用AI做职业咨询。在前程无忧对2040名2026届毕业生的另一项问卷里,超过八成学生表示春招遇到过相当数量企业在用AI面试或算法筛简历,16%甚至觉得“几乎每家面试公司都在用”。知乎微博知乎

海外也在验证同一件事。Greenhouse今年5月的报告显示,约63%的美国求职者经历过AI面试,约38%的应聘者因此主动放弃面试机会。一份2025年的美英调查里,70%的雇主使用AI招聘工具,其中61%把AI用于简历初筛、66%拿AI写职位描述。一篇今年发表于COLM语言建模会议的论文还引用了一项2025年英国行业调查,称62%以上的公司已经在招聘里用上了人工智能。微博白鲸出海知乎

写一份简历并海投出去的成本被AI打到接近零,接收端自然也只能用AI来筛。这个结构下,小红书上教简历“去AI味”的“活人感简历教程”能轻松收获两万多点赞。小红书

所谓“AI味”,其实是“一样”

HR端的识别有具体迹象。一位做过9年面试官的博主说,现在打开一份简历“读三行就知道是不是AI写的”,因为“它写得太整齐了”。一位HR博主把AI感简历的特征归为“万能形容词、动词空洞、成果没数字、句式太工整、用词不像本行、自我评价假大空、JD复读机”,一句话总结是“AI感=空泛+对称+没细节;去AI感=具体+数字+像你本人说的话”。被点名最多的是黑话词,“赋能”“闭环”“深耕”“驱动”这类满屏的套话,就是HR起疑的第一信号。招聘的人描述那种感觉,是“一批简历看下来,诡异地相似”。HR们反感的不全是“用没用AI”,而是这份简历“像谁”说不清——漂亮的套话反而把具体的人磨没了。小红书HRBP图图知乎

“AI味”的特征不必然等于造假。一位品牌创始人最近吐槽收到的店长简历:学历没写校名,工作经历没写单位,“整篇只有个人工作能力,但没有一件是具体事项”。它更像一份简历和另外几千份经过了同一个模型的产物,个体细节被“润色”磨平,认不出人。微博

机器初筛卡你的不是文笔

在机器这一端,“像AI所以被刷”的担心多半放错了位置。牛津大学互联网研究院Matthew Bone团队的COLM 2026论文做了一个配对实验:从76个职业、760个岗位出发,每岗配两份完全等价的简历,只在姓名、毕业年份等人口学信息上改动,交给10个开源大模型判断“叫谁来面试”,每个模型121600次比较。调教(在基座模型上再拿一批人类偏好数据训练一轮)后,模型挑人越来越靠“干过什么、会什么”这类人力资本特征——解释力从9.3%升到16.5%,性别、族裔、年龄这些基本信息的影响几乎没动。换句话说,目前没有任何直接证据显示“文字像AI”本身会被机器初筛识别并拒掉,模型主要看的是写上去的经历对不对得上岗位。知乎知乎

不过,实验里还有两组数字更值得盯。第一,模型的“偏心”不是简单复制人类:真人投递研究里常见的年龄、性别劣势,模型并没有原样继承,但调教后10家模型对40岁以上求职者的偏差全部为负,从−1.2到−12.7个百分点,统计上全部显著;相对自己的基座版,10家里有8家变得更负,平均多拒3.6个百分点。知乎

10家模型真正共享的那条判断只有一条:别要年纪大的。知乎

第二,模型之间拒绝得越来越“齐”:同一份简历投给10家各自跑的AI筛选系统,被至少9家一起拒掉的概率,从基座版的5.6%涨到了调教后的17.3%,而论文给出的主因不是偏见变强,是模型之间的一致性变强。以前10家各偏各的,这家拒你还有下家;现在10家用同一套逻辑拒你。AI时代简历真正的风险不是“被看穿”,而是“和大家被同一套标准一起评掉”。知乎

能过筛的简历,是“问得住”的简历

前程无忧白皮书给出的方向是:“不要只做‘简历搬运工’”,简历上堆技能关键词,很快会被AI筛选器埋没,真正值得写的是场景化表达——在什么业务场景下,用了什么思维,协同了什么资源,达成了什么结果。落到执行上:动词和真实职级对齐,数字要经得起追问,补上AI猜不出来的校名、单位名和过程细节,把空泛的“会用AI”换成“用AI解决过一个具体的业务难题”。至于白字小字号藏“提示注入”、暗埋隐形关键词这类对抗机筛的技巧,相关讨论里最常见的判断是:就算偶尔拱高排名,一旦人人都用效果立刻归零,被识破还要倒扣印象分。知乎知乎

AI不是不能用,是不能“直接用”——终稿的每一句都得对应一件你真做过的事,因为人工二筛和面试都会回问。一位HR前阵子收到一份“写得很完美”的简历——用词精准、结构清晰、零语法错误,她反而起了疑,问了两个细节问题,候选人答不上来。那份简历卡住她的不是“AI写的”,是“答不出自己干过什么”。小红书

剩下的是机制的事

个体的优化有上限。年龄是10家模型里唯一稳定的共享偏差,简历写得再细也改不了毕业年份——这正是Greenhouse调研把矛头指向流程本身的原因。已经有企业在试点给没被AI推荐的候选人留人工复核的路,但更系统的机制国内外都还没有成型答案。在机制补齐之前,Z世代手里真正的筹码,是AI替你伪造不了的那部分:真做过的事、说得清的过程、问得住的数字。IT之家知乎

评论

评论区空态插画

当前文章无评论,是时候发表评论了