UnFudged AI用AI查出简历中的假经历

招聘一个岗位平均要花几十个小时筛选简历，而传统ATS（申请者追踪系统）只能匹配关键词和格式，对简历中的水分几乎毫无还手之力。UnFudged AI 正是冲着这个痛点来的——它用AI分析简历内部的一致性，揪出那些看似合理、实则经不起推敲的经历。

AI如何鉴别简历造假

UnFudged 的检测逻辑并不复杂：把一份简历当作独立的数据集，交叉验证多个维度。比如工作时间的数学运算——某段经历写着“2019.03 - 2020.02”，但内容却提及2020年下半年的事，传统ATS不会管，但时间线逻辑明显矛盾。语言模式分析则更细：如果候选人在“技能”部分和“工作描述”部分用词高度雷同，甚至出现完全相同的短语（copy-pasted skills），系统就会标记异常。

代理候选人（proxy candidate）检测是另一大亮点。有人会找枪手代写简历甚至代面试，UnFudged 通过分析简历中语言风格的一致性——比如开头用美式拼写、中间混入英式拼写，或者自我评价的语气与具体描述段落反差过大——来暴露代写痕迹。

对招聘流程的实际影响

想象一下你是一家中等规模公司的招聘经理，每年要处理上千份简历。手动排查造假几乎不可能，而传统背景调查只能验证已列出的信息。UnFudged 的定位是“初筛阶段的红绿灯”：它会自动给简历打分并标注可疑点，让你把精力集中在真正需要深挖的候选人上。有位用户提到，用这个工具后发现30%的简历至少有1项异常——当然，异常不等于造假，但至少给了追问的方向。

以下是 UnFudged 能识别的典型问题（非全部列表）：

• 拉伸日期：故意延长任职时间，比如把离职日期推后几个月。
• 技能抄袭：直接从岗位要求里复制粘贴技能列表。
• 空白期隐瞒：用模糊的“自由职业”掩盖几个月无工作的状态。
• 代笔痕迹：语言风格在不同段落间切换，疑似多人协作。

当然，它也有局限。工具无法识别已离职但确实在岗的“空白期”，对极其专业的行业缩写也可能误判。另外，它只分析简历文本，不接入任何外部数据库（如社保记录），所以不能完全替代背景调查。

谁适合用它

首先，需大量筛选简历的HR团队——每天几十甚至上百份简历，UnFudged 可以作为第一道过滤网。其次，独立招聘顾问和猎头，他们通常没有庞大后台，这种轻量级SaaS工具很方便。最后，创业者和小公司老板，身兼数职时，用AI帮忙筛简历能节省大量时间。

一点实用建议：别把它当“判官”，而是当“侦探搭子”。标记异常后，面试时针对性提问，比如“您简历上这段经历提到负责XX产品，能具体说说当时的市场策略吗？”——对方如果是编的，细节往往对不上。

UnFudged 还在迭代中，目前对PDF和Word格式支持较好，但复杂排版（如表格内嵌文字）偶尔会漏检。总体来说，它填补了ATS和人工审核之间的空白，让简历筛选不再完全依赖直觉。