AI 透明度
我们的 AI 如何运作 — 没有黑箱
我们相信你有权了解关于你职业的决策是如何做出的。以下是我们 AI 系统的完整说明。
AI 透明度与合规
ZhiYin 致力于在招聘中负责任地使用 AI。本页面说明我们的 AI 系统如何运作、有哪些保障措施以及您的权利。
我们如何使用 AI
ZhiYin 使用人工智能来增强而非替代招聘流程。我们的 AI 系统在以下方面提供辅助：
- 职位-候选人匹配：分析技能、经验和偏好，推荐相关的工作机会
- 简历分析：提取技能、评估资质并建议改进，帮助候选人完善简历
- 面试准备：根据职业方向和职位角色生成练习题并提供反馈
- 薪资洞察：根据角色、地点和经验级别提供市场薪资估算
AI 不会做什么
我们对 AI 的使用有明确的界限。我们的 AI 系统不会：
- 做出自动化的招聘决定——所有招聘决定均由人类雇主做出
- 进行生物特征分析、面部识别或外貌评估
- 进行情绪检测或候选人情感分析
- 基于受保护特征（如年龄、性别、种族或残障状况）对候选人评分
人工监督保证
ZhiYin 上所有 AI 生成的建议、评分或推荐仅供参考。雇主独立做出所有招聘决定。AI 匹配分数与完整的候选人资料一起呈现，以便雇主进行全面评估。候选人始终可以看到完整的职位列表，而不仅仅是 AI 筛选的结果。我们的团队定期审查 AI 输出以确保质量和公平性。
AI 处理使用的数据
了解哪些数据提供给我们的 AI 模型，以及哪些数据被明确排除：
AI 使用的数据
- 简历文本、技能和工作经验（由候选人提供）
- 职位描述、要求和偏好（由雇主发布）
- 用于面试准备的职业方向和行业信息
AI 从不使用的数据
- 个人联系信息（电子邮件、电话、地址）
- 照片、头像或任何外貌数据
- 受保护特征（年龄、性别、种族、残障状况、宗教信仰）
解释权
候选人有权要求对影响其的任何 AI 生成的评分或推荐进行解释。如需请求解释，请联系我们的数据保护官 privacy@supply-mates.com。我们将在收到请求后 30 天内提供清晰、易懂的解释，说明影响 AI 输出的因素。
退出权
候选人可随时通过发送邮件至 privacy@supply-mates.com 申请退出 AI 处理。申请处理完成后，您的个人资料将不再用于我们的 AI 匹配算法，您也不会再收到 AI 生成的推荐；您仍可手动浏览和申请职位。退出不会影响您的账户状态或平台访问权限。
偏见预防
我们采取积极措施防止 AI 系统中的偏见：
- 定期偏见审计：我们定期对匹配和评分算法进行审计，以检测不同人口群体之间的差异影响
- 受保护属性排除：我们的 AI 模型不接收或处理受保护特征，如年龄、性别、种族或残障状况
- 多元化训练评估：我们在不同候选人简历中评估 AI 输出，以确保一致和公平的对待
欧盟 AI 法案分类
根据欧盟 AI 法案（2024/1689 号法规），用于招聘和就业的 AI 系统被归类为「高风险」（附件 III，第 4 项）。我们正在逐步建立面向高风险 AI 要求的各项实践，包括风险管理系统、数据治理与质量、面向用户的透明度、人工监督以及技术文档。在该法案要求于欧盟 AI 数据库登记（第 49 条）的情形下，我们将在进入相应适用范围前完成登记。
算法登记表
除本政策外，我们还公开一份算法登记表，涵盖 ZhiYin 生产环境中使用的每一个算法——包括其用途、透明度级别及最近一次偏见审计日期，并说明推荐结果背后的匹配因素与偏见防控措施。
查看算法登记表联系我们的数据保护官
如果您对我们的 AI 系统有疑问、想要请求解释 AI 决定或希望行使退出权，请联系我们的数据保护官。
电子邮箱： privacy@supply-mates.com
职位匹配的工作原理
我们使用加权多因素系统将候选人与职位匹配。每个匹配分数都是可解释的。
技能匹配度
您的技能和资质与每个职位要求的契合程度。
经验相关性
您的工作经历、职位和从业年限与该职位的相关程度。
地点和薪资匹配
职位的工作地点、远程办公选项和薪资范围是否符合您设定的偏好。
这些因素按固定且公开的双向公式合成：候选人胜任度（技能 40%、经验 20%、已验证能力证据 25%、近期活跃度 15%）与职位吸引力（薪资匹配 30%、地点 25%、雇主质量 25%、薪资透明度 10%、职位新鲜度 10%），两者取调和平均——单方面的匹配会被显著降权，并可选融合语义文本相似度。该分数始终与完整职位信息一同展示，供您自行判断。
偏见预防控制
我们积极监控并防止 AI 系统中的歧视性结果。
4/5规则合规（EEOC）
任何受保护群体的录用率应至少达到最高群体录用率的 80%——这是我们在设计匹配算法时所追求的公平性目标。
季度偏见审计
我们正在建立定期的内部审查流程，以衡量在性别、年龄、族裔和残障状况方面的差异性影响，并计划在该机制成熟后公布结果。
多元化训练数据
我们使用通用大语言模型，而非自行训练模型，并通过精心设计的提示词和排序信号，努力减少跨地区、跨行业的文化偏见。
边缘案例的人工审查
AI置信度低或结果异常时，人工审查员会在最终决定前介入。
算法注册表
ZhiYin 使用的所有 AI 算法均已注册并记录，符合中国网信办和欧盟 AI 法案要求。
已注册算法
我们的透明度登记册收录了 7 个算法，旨在对齐网信办与欧盟 AI 法案的要求
| ID | 算法 |
|---|---|
| ALG-001 | 职位-候选人双向匹配 采用固定权重的双向确定性公式对候选人与职位进行匹配：候选人胜任度（技能 40%，基于中英双语技能词典；经验 20%；已验证能力证据 25%，含模拟面试、防作弊测评等按预测效度加权；活跃度 15%）与职位吸引力（薪资匹配 30%，按币种门控；地点 25%；雇主质量 25%，含回复率、offer 接受率与候选人满意度；薪资透明度 10%；职位新鲜度 10%），两者取调和平均——单方面匹配会被显著降权，并可按 6:4 融合多语言文本向量相似度。推荐流另应用聚合级拥堵均衡（申请过多的职位最多降权 12%，曝光不足的职位最多提权 6%）。每个匹配分均附带各维度得分明细与命中/缺失技能说明；评分全程不使用大语言模型。现有求职意向系数中，“暂不考虑”按 0.85 倍处理；responsivenessScore 仅采集、不参与评分。directionStatus、employmentContext、searchUrgency 只用于候选人本人规划，绝不向雇主展示，也不参与排序。出生日期、婚姻状况、户籍、无障碍需求及其他受保护信息同样排除。相关法律解释应由具备资质的中美法律顾问审核。 |
| ALG-002 | 简历分析 从简历中提取并评分技能、经验和资质 |
| ALG-003 | 求职信生成 基于候选人简历和职位描述生成个性化求职信 |
| ALG-004 | 面试问题生成 基于职位角色和职业方向生成相关面试问题 |
| ALG-005 | 薪资洞察 基于角色、地点和经验级别提供薪资范围估算 |
| ALG-006 | AI团队组合 根据雇主简介从签约人才池组合 3 个排名团队，依据技能重叠、报价匹配、验证等级、可用性和过往评分进行打分，并通过 LLM 生成逐成员推荐理由。 |
| ALG-007 | 职位搜索排序 对公开职位搜索结果进行确定性加权排序：文本相关性（全文检索评分或关键词加权命中，含中英双语同义词与中文分词扩展）占 55%，新鲜度（30 天指数衰减）占 25%，职位整体互动度（近期浏览与投递转化的日更聚合信号，不做个人画像）占 20%。雇主响应等级仍为首要排序层，长期不回复的雇主排在最后。全程不使用大语言模型，也不使用任何个体用户行为数据。 |
隐私与合规
我们的 AI 系统在设计上力求符合我们所服务市场的就业反歧视法律与 AI 治理法规。
EEOC / NYC LL144
我们在设计自动化决策工具时，力求支持与美国新兴的自动化就业决策工具规则相一致的偏见审查。
欧盟 AI 法案
招聘类 AI 在欧盟 AI 法案下被视为高风险，我们正在建立该法案第 9 条所要求的偏见监测与人工监督机制。
网信办算法注册
我们的推荐与匹配算法在设计上力求满足中国国家网信办的算法备案要求。