一句话看懂：一份覆盖2940万美国LinkedIn用户的研究发现，大量用户正在回溯修改已离职岗位的履历，其中AI相关词汇的增补量自ChatGPT发布后暴涨超6倍。这意味着未来招聘模型和劳动市场研究基于的履历数据，可能被系统性“事后注水”。
事件核心：发生了什么
美国国家经济研究局（NBER）的一份工作论文，分析了2940万份美国LinkedIn档案，发现近五分之一（19.7%）的用户存在“时间旅行”式编辑——即修改已经结束岗位的头衔或描述。这些回溯编辑的中位时间点，发生在该岗位结束四年多之后。
编辑方向高度集中：自2022年底ChatGPT发布以来，用户向过往职位增补“AI”“GPT”“LLM”“artificial intelligence”等词汇的频率提升了超过六倍。科技与信息行业是重灾区，31.6%的档案存在此类修改，高于艺术娱乐业（25%）和专业与科学服务业（24.1%）。与此同时，远程办公和多元包容类词汇的增删趋于平衡，后者在2025年初显著减少。
为什么重要
这件事的分量不在个人简历美化，而在于数据可信度。论文估算，如果以2026年的LinkedIn快照去回测2022年的AI技能普及率，数据会被高估约30%。职业履历是大量劳动经济学研究和招聘算法筛选人才的底层数据源，当这个底座本身出现系统性偏差，基于它训练出的模型和得出的研究结论都会失真。
更紧迫的是合规维度。2025年8月2日，欧盟《人工智能法案》将招聘和雇佣决策中使用的AI系统列入高风险等级，其第10条明确要求训练数据须相关、充分有代表性、尽可能无错且完整。一个被大量回溯编辑过的履历数据池，恰恰触碰了这条红线——公司用这类数据训练招聘模型，一旦被审计，将很难证明数据合规。
对用户/开发者/创作者的影响
对普通求职者：当对手都在用“现在的话术”改写“过去的经历”，不修改履历的人在算法筛选里可能处于结构性劣势，这不是道德问题，而是算法公平问题。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者与企业采购方：如果正在搭建或采购AI招聘系统，需要对训练数据的时间戳和编辑历史做清洗校验，不能默认历史快照就是“当时真实”。数据集版本管理将成为招聘类AI产品的合规卖点。
对研究机构：任何依赖LinkedIn历史快照做劳动力趋势分析的结论，都需要重新审视数据时效性，必要时引入第三方佐证数据源。
值得关注的后续
一是LinkedIn是否会调整平台的数据接口策略，限制或标记回溯编辑行为；二是欧盟监管机构是否会将“履历回溯编辑”纳入AI Act高风险系统的数据审计案例；三是企业招聘方是否会转向验证难度更高的数据源，例如薪酬数据库或背景调查服务，来对冲履历“AI化”带来的失真风险。
来源：The Next Web
