引用Tom MacWright
摘要
Tom MacWright 观察到，由LLM生成的求职申请和作品集让求职者感到缺乏个性和人情味，缺少真实的个人表达。
暂无内容
查看缓存全文
缓存时间: 2026/06/24 21:51
# 汤姆·麦克怀特的一段话
来源：https://simonwillison.net/2026/Jun/24/tom-macwright/
2026年6月24日
> 最近几个月，我开始看到一些\[求职申请\]明显是与LLM共同撰写的，指向一个由LLM生成的作品集网站，该网站又链接到由LLM生成的GitHub项目，而这些项目的提交信息也完全是由LLM生成的。\[……\]我的另一个反应是：*我对这些人一无所知*。他们并没有真正展示自己。他们没有说过任何真实的话。\[……\]那份被精心打磨、由提示词生成的简历，千篇一律且毫无个性。除了表明他们使用了某些工具之外，它没有告诉我任何关于这个人的信息。
——汤姆·麦克怀特 (https://macwright.com/2026/06/24/accidental-anonymity.html)，《意外的匿名》
相似文章
毫无个人色彩的个性化招聘邮件
一位软件工程师的博客文章，批评如今用 LLM 生成的"个性化"招聘邮件泛滥：邮件中大肆夸赞候选人的背景，却与实际职位描述明显脱节，让招聘邀约比过去的模板群发邮件更让人感觉缺乏真诚。
LLM输出人性化是愚蠢的
一篇评论文章，认为通过提示指令将LLM输出人性化是一种错误的抽象——智能体应交换高保真数据，仅在最终边界压缩为人类友好的文本。
人类心理测量问卷误判LLM行为特征
本文发现，人类心理测量问卷无法可靠预测LLM在真实交互中的行为，并提出基于生成的分析方法作为更准确的替代方案。
你的“智识”拉链没拉
Bryan Cantrill 认为，过度使用 LLM 撰写 LinkedIn 帖子会生成文风做作、缺乏真实感且容易被读者识破的内容，并呼吁人们以自己的真实风格写作。他承认 LLM 在头脑风暴和编辑润色方面有所帮助，但认为它们是不称职的写作者，会损害内容的真实性。
在LLM个性化中重新以人类为中心
本文通过将真实人类重新引入评估循环，研究LLM个性化的有效性，揭示了在个性化管道的每个阶段人类判断与LLM输出之间的系统性差距，并强调了合成数据和LLM评判的局限性。