有一次远程面试，候选人的视线一直落在屏幕右下角，回答很完整，停顿的位置也很整齐。我当时的判断是他在读东西，但没有证据，最后只是在评价表里写了一句「表达略显生硬」。
这类场面这两年越来越多。面试官和候选人两边都在用 AI，一边用来筛，一边用来答。讨论「这样公不公平」的时候，我常常觉得双方说的不是同一件事。
两件被混在一起的公平
一种公平是算法对人的。简历筛选、视频面试打分、能力评级，这些环节里的模型会不会因为学校、口音、性别、背景噪声给出系统性偏差。这件事候选人几乎无法干预，只能靠企业做审计、做去偏、做申诉通道。
另一种公平是人对人的。同一场面试，有人用实时提词，有人裸答，起跑线就不一样了。这件事候选人可以干预，也正是争议最集中的地方。
把这两件事放在一起谈，结论一定是乱的。因为第一种不公平是结构性的，我没法靠「自己也用 AI」来抵消；第二种不公平是竞争性的，不补上，确实吃亏。而很多「既然算法对我不透明，我用工具也算合理」的说法，本质是把第二种当成了对第一种的报复。听上去解气，但并没有让任何一边变公平。
算法偏见这件事也不神秘。模型学的是历史决策，历史决策里本来就带着偏好：哪些学校的人以前更容易过筛，哪种表达方式被评价为「有气场」，哪些岗位默认更偏向某一类人。模型把这些相关性当成规律学下来，偏见就变成了「客观分数」。麻烦的是它不可见，候选人拿到的只有一个结果，不知道自己是被哪一条压下去的。
所以算法那侧要的是可解释和可申诉，工具那侧要的是规则清楚。前者是企业的责任，后者是流程设计的责任。这两件事都需要有人做，但不是一个部门、也不是一句「我们相信技术」能解决的。
现实里，算法审计推不动的原因很朴素：供应商不开放模型细节，企业自己也没有能力复现，最后只能看一份供应商出的效果报告。而申诉通道更麻烦，它意味着每一次拒绝都要有人复核，成本是持续的。所以很多系统把「申诉」做成了一个邮箱，发出去没有回音。这不是技术问题，是愿不愿意为公平持续付钱的问题。
开放卷考的是判断，不是记性
如果工作里每天开着补全写代码、开着模型写初稿，面试却要求关掉一切凭记忆手写，那测出来的能力跟岗位需要的能力其实是错位的。这一点我认同。
但「允许用 AI」不等于「题目不变，工具放开」。题目得跟着变，否则考的就只是谁的工具更顺手。
我自己会这样设计：把记忆型的问题删掉，换成需要判断的。给一段模型生成的代码，问它哪里会在数据量变大时出问题；给三个方案，问哪个在这个约束下不能选；给一份看起来通顺的结论，问它的前提站不站得住。
这些题目有个共同点：答案不能直接从模型里抄出来。模型能给出一版看起来正确的东西，但选哪个、为什么、放弃了什么，还是得人说。这时候工具是放大器，不是替代品。
反过来，纯记忆题在开放环境下几乎没有区分度。它唯一还能测的，是谁的网速快、谁打字快。
题目变了，追问也得变。我比较看重的一种问法是顺着他的答案往下追一层：刚才说用这个方案，那它在数据量翻十倍的时候哪里先坏。答得出来，说明东西是他自己的；答不出来但能承认不知道，也算合格；最怕的是继续用一套完整的措辞往下编。
这也是我判断「机械搬运」的主要方式。不是看他有没有用工具——用了也正常——而是看他能不能在工具给不出答案的地方继续往前走。
开放段里还有一个细节能看出水平：他怎么给工具喂背景。直接贴题目的人，得到的通常是泛泛而谈；先把约束、目标读者、已有的尝试讲清楚的人，得到的方案往往更接近可用。这两种人在结果上的差距，比会不会写提示词的差距大得多。而这件事很难伪装，因为它要求他知道自己到底要什么。
反过来，我也想清楚自己在这个环节里要接受什么。开放段必然会看到一些不完美的东西：写错的代码、被模型带偏的思路、中途推倒重来。这些在封闭考试里是扣分项，在这里反而是信息。我要判断的是他修正的速度，而不是他第一次就对的概率。
读稿感是真实的扣分项
我不认为「用 AI 答题」本身该被扣分，但表达上的断裂确实会影响判断，这一点没法装作看不见。
读稿的人有几个特征：视线固定在某个区域，回答的句子结构完整得像书面语，遇到追问时会先沉默几秒再给出一段同样完整的话。这些信号不必然等于作弊，但会让我怀疑对方对自己说的内容有多熟。
更麻烦的是防作弊那一侧。眼动追踪、切屏检测、回答延迟分析，这些手段把「思考时看天花板」和「看提词器」放在同一个筐里。误判的概率不低，而被误判的人没法自证。为了不被判定为异常，候选人开始表演专注：全程盯着摄像头，不敢停顿，不敢思考。面试变成了合规表演，招进来的人也未必是真实状态。
还有一个细节是语言本身。模型写出来的东西偏书面，连接词工整，句子长度均匀。念出来的时候，语法没有问题，听着就是不像人在说话。人在紧张的时候会重复、会改口、会把一句话说两遍再补充，这些在书面语里是瑕疵，在对话里反而是可信的信号。
所以我对这类监控一直很保留。它解决的是可见的作弊，代价是把正常人也一起规训了。而且它治不了真正想作弊的人——屏幕外放一台设备、用另一副耳机，摄像头看不到。
我倾向分区，而不是全禁或者全放
全禁的问题很清楚：它考的是一种正在贬值的能力，还把会用工具的人筛掉。全放的问题同样清楚：如果没有追问和现场推演，就很难区分「他想出来的」和「他读出来的」。
我的做法是把面试切成两段。
一段是开放段。允许查、允许问模型、允许看文档，题目是真实的、脏的、没有标准答案的。我看的是他怎么拆问题、怎么验证模型给的东西、发现错误以后怎么改。这一段里工具用得好是加分，不是减分。
另一段是封闭段。关掉所有辅助，聊他做过的事，追问细节，让他现场推一个没准备过的场景。这一段不看知识量，看的是他脑子里有没有东西，以及在没有外援的时候还能不能保持思路。
两段的分工是明确的：一段测协作，一段测底色。缺了任何一段，判断都会偏。
这套做法也有它的问题。分区的边界谁定、开放段的题目怎么保证不被提前泄露、封闭段对内向的人是不是依然不公平——这些我都没有好答案。企业侧还有成本，两段面试意味着两倍的时间，而招聘的时间预算通常是最紧的。
规则本身也得让人知道。面试前说清楚哪一段可以查、哪一段不行，比事后调录像合理得多。很多争议不是因为有人作弊，是因为规则从来没被写明，双方各自按对自己有利的方式理解。候选人不知道边界在哪，只能猜，猜错就被判定为不诚信，这件事对他并不公平。
至于监控，我倾向少而明确：只在明确告知的环节使用，只用来验证规则，不用来推断性格和情绪。面相、语气、微表情这类东西，听起来像信号，实际上和岗位表现的关系很弱，还容易把偏见包装成数据。
我唯一比较确定的是：面试的目的是预测他入职以后的表现，而不是维持一种考场秩序。秩序本身没有价值，能招对人才有价值。至于这条线最后画在哪，我还在往回调，可能明年又会变。
评论