一句话看懂：斯坦福经济学家团队分析近 3000 万份 LinkedIn 档案发现，职场人正大规模“回填”AI 技能关键词，同时删除远程办公和 DEI 相关表述，以迎合雇主对 AI 人才的需求。
事件核心：发生了什么
美国国家经济研究局（NBER）发布的一份工作论文显示，研究者抓取了 2020 年 8 月至 2026 年 1 月间 2940 万份美国 LinkedIn 用户档案的月度快照，发现近五分之一（19.7%）的用户曾回溯修改已离职岗位的职位名称或描述。自 ChatGPT 于 2022 年底发布以来，用户在过往职位中追加“AI”“GPT”“LLM”“artificial intelligence”等关键词的次数增长了六倍以上。与此同时，在 2025 年底，用户在旧岗位中主动添加“remote”“work from home”“WFH”等远程办公词汇的频率已与删除频率持平，反映出远程办公标签的吸引力明显下降。此外，2025 年初美国总统特朗普签署针对 DEI 项目的行政令后，“diversity”“equity”“inclusion”等词汇的追加量也出现骤降。
为什么重要
这份由斯坦福大学经济学家 Nicholas Bloom 与 Revelio Labs 研究人员共同撰写的论文，首次用大规模数据揭示了职场简历的“时间旅行”现象。研究者指出，这种修改并非单纯造假，更可能是用户在补充此前省略的细节，或改用更符合当下雇主偏好的措辞来重新包装既有工作经历。论文特别提醒，2026 年的档案快照会将 2022 年 AI 相关技能的真实普及率高估约 30%。这意味着，当前基于 LinkedIn 数据训练的人才模型或招聘算法，可能系统性高估了市场存量 AI 人才的实际规模，对企业招聘策略和AI 人才供应链判断都会产生偏差。
对用户/开发者/创作者的影响
对普通职场人而言，这一趋势说明简历关键词已成为求职市场的“信号放大器”，过时的表述（如远程办公、DEI）可能被招聘方视为与主流需求脱节。对依赖 LinkedIn 数据进行人才盘点或训练垂直领域大模型的开发者来说，必须意识到公开简历数据存在大量“回溯性修饰”，在构建训练集时应对时间戳和修改记录进行加权处理，避免模型学到失真的人才分布。对内容创作者和职业顾问而言，这一现象也提示：与其建议用户生硬堆砌“AI”缩写，不如引导他们用具体项目成果（如微调开源模型、调用推理 API、优化训练成本）来佐证 AI 能力，才能避免在技术面试中露馅。
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。
值得关注的后续
目前公开信息显示，该论文尚未经过同行评审，但其结论可能引发招聘平台对简历数据真实性的新一轮讨论。接下来值得观察三点：一是 LinkedIn 是否会调整档案编辑策略，例如展示“历史修改记录”以降低误导性；二是企业 HR 是否会引入针对“AI 技能时间戳”的交叉验证工具；三是 2026 年更多数据发布后，AI 技能回填增速是否会随着生成式 AI 工具（如 Claude、Gemini 等）的应用普及而进一步放大，从而催生新的技能认证或职业评估服务。
