算法招聘的近亲繁殖：340万求职者被困在同一条AI流水线上

凌晨两点，李明又一次刷新了邮箱。投出去的三十多份简历像石沉大海，连一封拒信都没有。他不知道的是，所有的申请都被同一个 AI 系统评估过，而他恰好不是”适合”的那一类。

这不是玄学，而是一个正在发生的系统性危机。

340 万人的同款面试官#

斯坦福大学的研究团队做了一件前所未有的事。他们获取了来自同一家算法供应商的真实招聘数据，覆盖 340 万求职者、超过 400 万次申请，涉及 156 家雇主。这是迄今为止规模最大的算法招聘实证研究。

结果令人震惊：每 10 个投出 4 份申请的求职者中，就有 1 人被系统性地全盘拒绝。这个比例远高于随机概率下的预期值，说明问题不在于个人素质，而在于结构本身。换句话说，这不是能力的差异，而是算法结构性的”一票否决”。一个人的失败不是偶然的，而是模型层面的必然。

什么是算法单一栽培#

研究提出了一个关键概念：算法单一栽培（Algorithmic Monoculture）。在农业领域，单一栽培指大面积种植同一个品种的作物，一旦有病虫害就会全军覆没。在招聘领域，当所有公司都向同一家 AI 服务商购买筛选工具时，同样的逻辑开始运作。

一个人的简历只需要得罪一个算法，就会被所有使用该系统的公司屏蔽。那位求职者面对的不是 156 个独立的评审官，而是同一个算法的 156 个分身。每个公司都自以为找到了最高效的筛选方案，却没意识到大家都在用同一把尺子。

谁在被系统性地忽略#

研究显示，如果按受推荐比例最高的群体标准来计算，仅亚裔求职者就有近 29000 份本应通过的申请被遗漏。约三成的黑人求职者至少申请过一个对他们不利的职位。但问题远比统计数字更尖锐。

算法的偏见不是用种族或性别就能简单概括的，它是一个更底层、更结构性的排异逻辑。当整个劳动力市场的筛选机制被一个算法垄断，任何偏离”标准画像”的人都会被挤出通道。这些人可能来自完全不同的背景，但他们的共同点是：不符合模型训练时定义的”成功样本”。于是，一个本来应该促进公平的工具，反而放大了不平等。

我们能做什么#

研究者建议，对算法招聘工具的审计应具体到每一个职位，而不能只看供应商的整体表现。一个对”软件工程师”岗位表现良好的模型，可能对”市场专员”岗位存在系统性偏差。同样，同一个模型对不同区域、不同学历层次的候选人也可能得出截然不同的结论。

目前，美国平等就业机会委员会已经开始关注这一问题。但技术发展的速度远超监管。当一个 AI 系统每年审核数百万人的职业前途时，我们需要的不只是技术报告，而是制度性的刹车机制，包括独立审计、算法透明度要求，以及求职者知情权。解决算法单一栽培的第一步，是让人们意识到那把看不见的尺子存在。

来源：Stanford HAI | Hacker News