加载失败
这条讨论来自一篇关于“我被 AI 机器人面试”的视频/文章（如 The Verge 的报道视频），引发大量对招聘自动化的争论。评论里既有对厂商（例如 Humanly，一类商业化 AI 面试服务商）和其技术（LLM，即大型语言模型）能否公正评估人的质疑，也有现实层面的抱怨：雇主面临海量申请、早已使用 LeetCode（在线编程题平台）式自动测验以节约人力。讨论还涉及 IVR（Interactive Voice Response，电话自动语音系统）式交互的体验问题、take-home assignment 的时间不公、以及 token 成本/问责与监管风险等制度性忧虑。
大量评论把用 AI 面试视为公司对候选人不尊重的信号，认为如果在入职前就把面试交给机器人，入职后对待员工也不会更有人性。有人把房屋租赁中 AI 回复、物业对报警面板敷衍处理等真实例子拿来类比，指出面对付钱方都用自动化时的服务质量堪忧。很多人表示这是“不想为应聘者投入时间”的直观体现，会直接成为拒绝该雇主的理由。少数人补充说若公司把整套流程都自动化，候选人很可能被系统性地去人性化对待并最终被AI评估解雇。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
雇主和招聘方强调海量申请带来的实际压力：有评论提到单日上千甚至数千份申请（如每天1500份、某职位1周1300份或企业级数十万申请），人工筛选耗时巨大且不可持续。多条评论指出早在2010s就已有 LeetCode 式自动化筛选，AI 面试被视为这类规模化工具的更进一步尝试，尤其对大公司和高流动岗位有吸引力。招聘方也抱怨资源有限：技术负责人每天只能在简历上花很短时间，因而倾向用自动化第一轮筛选以节省工程师时间。部分声音认为这并非完全非理性选择，但也有人警告它会把好候选人一并过滤掉。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
评论反复指出 LLM（大型语言模型）和基于网络文本训练的系统不可避免地带有性别、种族等历史偏见，举例说明训练数据时代性导致输出含有明显歧视性结论。与传统线上测验不同，AI 面试往往缺乏明确、可复核的评分标准，候选人无法得知系统如何决策，导致可争议且不可解释的筛选结果。还有人提醒监管与合规风险，提到在欧盟某些做法可能违法并强调“计算机不能承担问责，所以不应替代管理决策”。因此透明度、可审计性与偏见缓解被视为核心问题。
许多评论提出对策：既然雇主用机器人面试，候选人也可以用自己的 AI 代理去面试以“把场子拉回平衡”。有人已经开源或分享了相关项目和 API（如 chatjc 等），并建议用 agent-to-agent 或代理群来应对雇主的自动化筛选。还有人提议通过制造高成本（token）消耗或大量假申请来让对方的管道变得昂贵/低效。总体上，社区讨论把这视为零和或对峙式的新博弈，技术上可行且正在被尝试。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
大量评论把注意力转向更老的问题：take-home assignment 和 LeetCode 风格筛选造成候选人时间成本高且不公平。举例包括公司发出 3–6 小时甚至一周的作业却不给反馈、或把微量指标当作淘汰标准（如 shadow DOM 实例），导致有空闲时间的求职者被不成比例优待。讨论中有人提出实操性建议：把 take-home 控制在 20 分钟内、在面试时做定时任务或提供评分量表以减少不公，也有人批评现场白板或限时编码本身就是对候选人的不人道考验。总体观点是当前多阶段、无反馈的筛选体系正在侵蚀求职体验并产生逆向激励。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
评论还关注法律与问责层面：有人认为 AI 做出管理或解雇决定会产生法律风险并可能在某些司法区被限制或禁止。另有多条讨论抱怨公司法务团队阻止招聘组提供有建设性的反馈，导致候选人被动、无法改进，也使流程缺乏透明与救济途径。社区提出的折中方案包括允许发送高层次的正面反馈或建立可核查的评分机制，但评论普遍认为这需要公司文化与合规部门的真实投入，而非仅靠技术包装。
take-home assignment: 招聘中要求候选人回家完成的编程或设计任务，长度和开放度差异大，常被指为耗时且对有工作/家庭负担的候选人不公平。
LeetCode: 在线编程题平台 LeetCode，常被公司用作自动化编码筛查或面试题库，代表了基于客观测试的早期自动化筛选方式。
LLM (Large Language Model): 大型语言模型（如 GPT、Claude 等的底层技术），基于大量文本训练用于生成与评估自然语言，对偏见、可解释性和训练数据限制敏感。
IVR (Interactive Voice Response): 交互式语音应答系统（电话机器人），在招聘中指代用语音机器人与候选人交互的自动化面试形式或客服式录音问答。
tokens / token costs: 在按使用量计费的 LLM 服务中，生成或处理文本会消耗“tokens”，多轮对话或长时间互动会显著增加成本，成为攻击或防御的经济杠杆。