近日，一项发表于arXiv的研究揭示了大语言模型（LLM）在简历筛选环节的特殊行为倾向：当同时面对自身生成、人类撰写以及其他模型产出的简历时，各类LLM会持续选择自己生成的版本。

研究团队针对主流大语言模型展开了多组对照实验，在实验中，研究人员让不同的LLM分别完成简历生成任务，随后将这些来自不同主体的简历混合，交由原生成模型及其他模型进行筛选评估。结果显示，无论模型参数规模大小、训练数据差异，几乎所有参与测试的LLM都表现出明显的“自我偏好”——在同等条件下，更倾向于将自身生成的简历判定为更优选项。

这一发现聚焦于LLM的决策逻辑特性，为AI在招聘场景的应用提供了新的技术参考。研究指出，这种偏好并非源于自身生成简历的实际质量优势，更多是模型在训练与生成过程中形成的一致性认知倾向。未来，该研究成果或将推动AI招聘工具的优化，助力构建更具公正性的AI筛选机制。