为什么谷歌在AI“测试记忆”方面的突破是公平招聘的重大胜利

当我们评估求职者时，我们寻找的是适应能力。我们不希望有人仅仅记住了常见面试问题的答案；我们想要的是一个能够将技能应用于新颖、意想不到挑战的思考者。然而，多年来，我们赖以筛选、寻找和评估这些候选人的人工智能系统，一直在做我们最担心的事情：死记硬背。

谷歌研究人员最近解决了这一危机。在一篇新论文中，他们揭示了自我改进的AI代理有“记忆”其测试任务的习惯。虽然它们在纸面上可能看起来很出色，但当面临新的、未曾见过的场景时，它们的表现会急剧下降。为了解决这个问题，谷歌引入了“自博弈正则化强化学习”（Regularized Reinforcement Learning from Self-Play, RRSI）。这种方法通过阻止AI记忆基准来防止作弊，将未见过任务的分数提高了多达4.7分，同时使用的计算令牌减少了30%。

对于我们这些倡导道德人力资源技术的人来说，这一发展是一个巨大的里程碑。

在人才招聘领域，“记忆”被称为过拟合。当一个申请人跟踪系统（ATS）或自动化筛选工具根据历史招聘数据进行训练时，它会记住过去“成功候选人”的样子——通常偏爱特定的关键词、知名大学或人口统计模式。它实际上并不理解能力；它只是记住了测试。当一位优秀但非传统的候选人申请时，过拟合的AI会因为他们不符合记忆模式而拒绝他们。

通过强制AI代理泛化而非记忆，谷歌的RRSI方法为招聘算法指明了更公平的未来。如果我们能够构建真正理解技能和背景，而不是依赖历史模板的人才评估代理，我们就可以显著减少系统性偏见。

真正的潜力无法通过僵化的清单来衡量。随着AI代理更深入地融入组织文化，我们必须要求那些优先考虑真正适应性而非死板复制的技术。谷歌的研究证明，我们可以构建更智能、更灵活的AI——现在，人力资源技术行业有责任应用这些经验教训，构建真正识别人类潜力的招聘系统。

图片：Hitesh Choudhary / Unsplash (https://unsplash.com/@hiteshchoudhary)