AI 正在越来越多地介入招聘流程，从简历筛选到面试评估，但一项新研究揭示了令人担忧的发现：大语言模型可能比人类更容易形成偏见。
发生了什么
MIT Tech Review 报道指出，研究人员发现大语言模型不仅会从训练数据中继承人类的偏见（如性别、种族偏见），还可能发展出自身独特的偏见。在模拟招聘场景的实验中，AI 系统在评估候选人时，其偏见倾向甚至超过了人类。这意味着，即使训练数据经过精心清洗，AI 仍可能产生意想不到的歧视性判断。
为什么重要
招聘中的偏见一直是社会关注的焦点。传统上，人们认为 AI 可以消除人类的主观偏见，实现更公平的筛选。但这项研究颠覆了这一假设：AI 不仅无法自动消除偏见，反而可能引入新的、更难察觉的偏见。由于 AI 的决策过程往往不透明，这种偏见可能被放大并系统化。对于企业而言，依赖 AI 招聘可能带来法律和声誉风险；对于求职者，则可能面临更隐蔽的不公平对待。
影响与看点
- 对招聘平台和 HR 技术公司：需重新评估 AI 筛选工具的有效性，不能简单认为“AI 比人类更客观”。应建立更严格的偏见检测机制，包括对模型输出进行持续审计。
- 对开发者：在训练和部署招聘相关模型时，除了清洗训练数据，还需关注模型自身可能产生的偏见。可考虑使用对抗性去偏技术或引入人工审核环节。
- 对求职者：了解 AI 招聘的局限性，在简历和面试中注意避免可能被 AI 误判的表述。同时，关注相关法规进展，如欧盟 AI 法案对高风险 AI 系统的要求。
- 独立判断：这项研究提醒我们，AI 的“公平性”不能想当然，必须通过严格的实证检验。未来，招聘 AI 的透明度和可解释性将成为核心竞争力。
