DeepMind 招聘逻辑变了：多张证书比一张文凭更能说明问题

一份学历证明学过什么，多份经历证明还会继续学

莱拉·易卜拉欣（Lila Ibrahim）在谷歌 DeepMind 负责运营事务，她近期谈到公司选人标准的一处位移：学历仍然算数，但招聘天平已经明显偏向那些能拿出课堂之外学习证据的候选人。

这个判断落到简历上很具体。单一项资历只能向面试官说明你学过什么，而多项资历拼在一起，才构成一种持续学习的心态。对应届生来说，这一点尤其关键——他们没有工作年限可讲，能证明学习惯性的材料本来就少。

易卜拉欣还观察到，现在的应届生写简历的方式已经变了。正规教育之外学过的东西，他们会写得更细，并且和学历、工作经历放在一起列。这类信息对 DeepMind 有实际筛选价值，因为它指向两件事：这个人有没有好奇心，以及是否做好了长期学习的准备。

AI 把答案变便宜，把提问变贵

易卜拉欣的另一个观点更值得技术人员琢磨。她认为多样化的学习经历会让人更善于提问，而学校在这件事上培养得并不好。

AI 的出现改变了成本结构。获取一个答案的代价已经极低，模型几秒钟就能给出成段解释，但提出一个好问题的难度反而在上升。会问，意味着你知道自己缺什么、该往哪个方向追，这恰恰是课堂训练最难覆盖的部分。

从招聘方的视角看，这两种能力可以区分得很清楚。能把问题问准的候选人，通常有过跨领域摸索的经历；只会等标准答案的人，履历往往整齐但单薄。DeepMind 把课堂外的学习经历纳入评估，本质上是在找前一类人。

对求职者的实际影响：简历结构要改

这条信息对正在投递的人有直接的操作意义。学历栏不该再是简历的重心，至少不该是唯一重心。

• 把课堂之外的学习经历单独成块，写清学了什么、学到什么程度，而不是只列课程名。
• 非科班项目、开源贡献、自学路径都可以写，关键是能体现连续性——同一方向上的多次投入，比零散的兴趣清单更有说服力。
• 面试准备里留出提问环节的权重，准备两三个能暴露真实思考深度的问题，比背标准答案更有效。

需要说明的是，这不等于学历失效。易卜拉欣明确表示学历依然重要，变化在于它从筛选门槛变成了背景信息之一。对没有名校背景的技术人员来说，这算是一个结构性利好：可展示的学习轨迹，正在获得和文凭相近的话语权。

AI 人才争夺下的选人逻辑转向

把这条表态放到更大的背景里看，逻辑并不难理解。头部 AI 实验室之间的人才竞争持续升温，岗位所需技能更新速度快，任何一套固定的学历标准都很难跟上技术迭代的节奏。

在这种环境下，评估一个人未来两年的成长曲线，比核对过去四年的成绩单更有价值。持续学习的证据之所以被看重，是因为它可验证、可追问，也更能预测候选人在新问题面前的反应方式。

对站长和技术从业者而言，可执行的结论大致是：把学习过程本身当成作品来经营。做过什么、卡在哪里、怎么解决的，这些记录在简历和面试里的分量，正在超过一纸证书。AI 降低了答案的门槛，却没有降低判断力的门槛——招聘方筛选的，正是后者。