为什么一个少看摄像头的人，可能在视频面试 AI 里直接被降级？

她刚结束一场 AI 视频面试——全程没有真人,系统提问、录像、自动出分。她的回答内容自认发挥不错,但一周后收到的是模板拒信。她复盘时想起一个细节:思考时她习惯眼睛看向侧上方(很多 ADHD 者组织语言时都这样,直视人脸反而会打断思路),而市面上的 AI 面试系统,有些会把「眼神接触」「表情投入度」纳入所谓胜任力评分。她可能不是输给了答案,而是输给了自己的眼球运动。

收敛:AI 招聘工具承诺「消除人类偏见」,但对神经多样性人群可能恰恰相反。本文只回答——视频面试 AI 的评分机制在哪些环节系统性惩罚 ADHD/神经多样性特征?求职者与用人方各自能做什么?

穿透:偏见是怎么被自动化的

机制第一环:特征选择的神经典型假设。部分视频面试系统(历史上如 HireVue 曾因面部分析被投诉后弃用该模块)把眼神接触、微表情、语速稳定性、停顿模式当作「沟通能力」「自信」的代理指标。这些代理关系建立在神经典型行为分布上:眼神游移=不诚实/不投入。但对 ADHD、自闭谱系人群,眼神回避常常是认知负载管理策略——移开视线是为了把资源留给思考。同一个行为,两种神经类型里语义完全相反,模型只学了一种。

第二环:训练标注的循环。「高分样本」来自历史上被人类面试官青睐的人——人类面试偏见(喜欢眼神坚定、语速流畅者)被打包成 ground truth,AI 学到的是把旧偏见执行得更快、更一致、更无申诉界面。这正是算法公平研究里的经典结构:自动化不消除偏见,自动化固化偏见并给它盖上「客观」的章。

第三环:**规模与不可见性。**人类面试官的偏见一次伤害一个人且可能被追问;部署在漏斗最前端的 AI 筛选,一天降级上千人,而被拒者永远不知道自己输给了哪个特征。

利益视角直说:AI 面试产品卖给企业的核心价值是筛选成本下降,「公平」是宣传页而不是损益表——除非法规和诉讼把它变成成本(欧盟 AI 法案已将招聘 AI 列为高风险场景,美国也有州要求披露)。

验证

这个判断可以被证伪:如果某个系统公开了针对神经多样性群体的公平性审计(分组的假阴性率),且差异可忽略,那么对该系统的指控不成立——问题是几乎没有厂商公开这类数据,而「不公开」本身就是求职者可用的信息。个体层面的应对验证(可试):有些系统允许申请替代流程;此外,在回答开头直接口头标注(「我思考时会看向别处,这是我组织思路的方式」)——录像评分未必读得懂,但进入人工复核环节时它在场。

决策

做什么(求职者):优先投「有人类在环」的流程;了解你所在地区对自动化决策的知情权/替代评估的规定;把作品集、试做任务这类产出导向的评估机会往前推——那是 ADHD 尖峰能力的主场。

做什么(如果你在用人方):要求供应商提供分组公平审计;把 AI 分数降级为参考而非闸门;为神经多样性候选人提供替代评估通道——这不是慈善,是别把非典型的高峰人才筛进垃圾桶。

不做什么:不要把一次 AI 面试的拒信内化为能力判决——你可能只是分布外样本;不要强行训练自己「盯摄像头」以致回答质量下降——那是用真实能力换表演分。

先做什么:下次遇到 AI 视频面试,先查该公司是否提供替代流程,一封礼貌的询问邮件即可。

边界

本文对具体产品的机制描述基于公开报道与算法公平研究的一般结论,各产品实现差异很大(本文未做正式 A/B/C 分级);「眼神回避=认知负载管理」在神经多样性研究中有支持但非普适。求职挫折若已引发持续情绪困扰,请寻求支持——被机器误读不是你的缺陷证明。

今天就能试的 3 件事

1. 若你在求职:整理一份「产出导向」的证据包(作品/案例/可验证成果),让评估有机会绕过行为表演层。
2. 写好那句标注话术:「我思考时会移开视线,这是我组织思路的方式」——面试(无论 AI 还是真人)开场可用。
3. 若你在企业端:今天问一句你们的招聘工具供应商——「有没有神经多样性分组的公平审计报告?」

本文服务于人生 Harness 金字塔的价值层与关系层:你的眼球运动不是你的简历——在机器学会读懂非典型认知之前,先学会为自己的认知方式发言。

参考来源

• Artificial intelligence in ADHD assessment: a comprehensive review … — 证据等级：低（GRADE）
• Brain Connectivity Breakthrough Sheds New Light on ADHD — 证据等级：中（GRADE）
• Revolutionizing ADHD Management with AI Assistants — 证据等级：低（GRADE）
• ADHD Task Managers That Work: Top AI Tools 2025 — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 33 篇，由 Devin 基于持续维护的双域研究语料（72,739 篇论文 + LLM Wiki）亲自撰写，并持续迭代更新。