AI 面试的“酷刑”，只有中高级管理层和 CEO 能幸免

作者 | 褚杏娟、赵钰莹

知乎上有人详细分享了自己参与 AI 面试的经历：

“点开链接，在手机上是用小程序，电脑是浏览器。一开始有个预录，检查手机摄像头、麦克风以及自己的语音声音大小。

开始做答之后有 5 个题目。每个题目 6 分钟，包括构思和录制视频。点击录制视频有 5s 的准备时间，5s 之后手机自动录像，你开始答题，视频录制不超过 5 分钟。

录制完之后，返回答题页面，可以回放。5 分钟答题时间到，它会提醒提交，然后点击提交。就进入下一题。”

“我觉得 AI 面的公司压根就没打算招人”，这是 AI 面试刚出来时人们通常会给的评价。但现在，大家对 AI 面试的接受度已经很高，AI 面试的争议更多是出现在一两年前，现在网上几乎都是 AI 面试的建议、题库等。

“和传统面试比起来，我更倾向于用 AI。AI 对于你的输入、表情、动作都会关注，更加全面考核，至少是对所有候选人是公平的，不会出现面试官主观的偏见偏差、个人因素等问题，当然也得要求 AI 面试要足够智能。”广州大学嵌入式应用专业的一名本科学生说道。

根据《2024 牛客智能制造业校园招聘白皮书》，53.5% 的对智能制造感兴趣的学生有参与过 AI 面试，而参与过 AI 面试的学生中高达 77.7% 的人表示满意。

这次，传统行业走在了前头

面试可以用 AI 进行，也说明了面试本身在一定程度上是可规则化的。

有做人力资源管理的网友分析称，抛掉“人间冷暖”不谈，面试的本质是按图索骥，一场高效的面试依赖以下几个方面：

人才画像 ——AI 可以

结构化提问 ——AI 可以

关键词评估 ——AI 可以

情绪稳定度 ——AI 应该可以（可能不精确）

与公司文化 / 直接上级的默契度 ——AI 也许可以 （双向测试后可以提升匹配度）

如果一家公司坚持不懈地做 AI 面试，积累匹配组织发展的人才大数据，那么招聘的人才至少 80% 左右是完全靠谱的，再加上终面 BOSS 感受一下，精准度应该可以达到 90% 以上，这比有 3-5 年工作经验的 HR 靠谱多了。

当然，AI 面试最终会让类似的人都聚集在一起，很有可能导致组织僵化。在组织需要变革、寻找一些鲶鱼进入组织时，人才画像将完全不一样，AI 的底层面试逻辑就要随之重构。

“我曾经只是作为辅助面试人员参与了公司里的终面过程，一整个上午也就搞了六七个人的面试，到中午吃饭的时候，主面试官基本上就快累趴下了。但是在我看来，很多面试官工作内容并不复杂，甚至到后面有一些机械。不管面试者说啥，面试官都是在固定重复问几个问题。”弗兰克扬在知乎上分享称，“我也不觉得这会有什么大问题，因为最关键的信息其实就那么一两个，剩下的就是看你还想从聊天中聊点什么了，不管你聊什么，大部分都不会影响最终的决定。”

“弗兰克扬”表示，十多年前，一些大企业会把前几轮的招聘流程给外包公司，这些外包公司先筛选简历、再进行电话面试，问的问题都是雇主公司规定好的，全程录音，然后再根据面试情况做筛选，最终把报告发给雇主做最终决定。“现在 AI 的水平，我感觉跟当年外包干的工作都差不多。”

牛客联创兼技术负责人杨之贤介绍称，AI 面试特别适合招聘规模较大、考核能力相对标准的岗位，如校招管培生、普通蓝领、销售岗位、客服群体、小语种岗位等。以互联网为例，IT 基础岗位初筛、产品运营岗位、销售岗位、客服岗招聘人数超 10 人以上均有可能使用 AI 面试。

消费行业是最早尝试使用 AI 面试的行业之一，而且外企的接受度更高，比如雅诗兰黛、宝洁等。今年，随着大模型的兴起，越来越多的行业对 AI 面试表现出了兴趣，互联网、国企央企、银行、教育、电信、汽车、快消、制造业等行业都引入了 AI 面试。

比如 2023 年，光储行业里的龙头企业阳光电源决定将所有管培生岗位的英语面试全部使用牛客 AI 面试代替以往的英语外包面试。当年，阳光电源 AI 面试的管培生超 500 人次。

杨之贤表示，目前国内大约有万级别的企业在面试流程中加入了 AI 面试，而且这一数字还在不断增长。据《牛客 2023 秋季校园招聘白皮书》的调研数据指出，已有 23.2% 的先锋企业应用 AI 助力校招，其中使用 AI 助力笔面试环节的企业占比达 97.9%。

被放大的细节

AI 面试的优势是不会受到情绪、偏见或其他主观因素的影响，它会根据事先设定的评分标准进行客观评价。AI 面试会重点会考察面试者以下三个能力：

结合面试者的简历和回答，AI 面试系统会进行提问和追问，并利用大模型的自然语言理解能力和逻辑推理能力，给出面试者对应能力项的得分。

“智能判分是基于岗位专业素质、通用能力素质和语言能力素质的综合科学判定。我们会综合考虑面试者回答内容的专业性、相关性和逻辑性等因素，并结合回答状态进行综合判定。”杨之贤说道。

AI 面试成绩单

AI 面试评判更加标准化，这就要求应试者当下就要快速反应，回答得清晰、有逻辑，覆盖题目中所有的问题。“回答得是否高大上不重要，重要的是你的回答是否具有逻辑。”网友“肉丝 er”也分享道。

“肉丝 er”也还特别提到，眼神千万不要飘忽不定，有的 AI 能够根据面试者的眼神分辨其是否在读稿，一旦被判定为读稿，那么不管面试者说得多好都会被 pass 掉。这是因为有的 AI 面试系统有眼神追踪功能，四处乱瞟会被视为作弊。

“通过分析面试者的微表情，可以更准确地判断其是否在面试过程中存在作弊行为。”杨之贤表示，“这是为了保证面试的公平性和诚信性。”

因此，除了专业能力，面试中的语速、情绪、肢体语言等都可能影响 AI 系统对面试者的评分。要知道，虽然 HR 可以查看面试视频，但大多数时候是根据 AI 的评分做初步筛选的。

另外，还有一些服务行业的公司会用 AI 进行性格测试。Paradox.ai 的性格测试在 Reddit 上多次疯传，联邦快递、麦当劳等公司都使用 Paradox.ai 公司的 AI 面试系统，通过“漫长而奇怪的性格测验”来招聘客户和食品服务工作人员，并附有“蓝色外星人”形象，目标是发现候选人在“亲和性”和“情绪稳定性”方面的排名。

AI 选不了 CEO

而对于研发这样的 AI 面试系统，最重要的数据训练。

据杨之贤介绍，牛客采用了大模型和小模型的结合方式，自研了 AI-NowGPT 模型。为了保证“AI 考官”的公平和专业，牛客内部邀请了大量资深面试官对相同数据做人工标注，以确保 AI 考官在评分和评价方面与人类面试官保持一定程度的同步。

有的公司也会邀请客户企业参与标注，这样 AI 考官的评分标准会更加符合客户的需求。客户的参与可以帮助企业微调模型，使其更加符合特定岗位的要求。人类考官也可以对一部分或全部的面试结果进行复核，确保 AI 考官的判分结果的准确性和公正性。

像牛客这样还拥有笔面试 SaaS 产品的招聘网站，拥有专门的内容出题团队，借助海量的题库资源，还可以实时定制出题。

不过，杨之贤也表示，目前的 AI 面试还只是主要用在初步的大规模快速筛选上，对于后续的面试轮次，不同面试官关注的能力和业务知识可能存在差异，这是 AI 面试目前无法帮助解决的。“AI 选不了中高级管理层，也选不了 CEO。”

理想的情况是 AI 系统能够根据面试官的要求自动生成面试方案：面试官口述想要考核的能力，AI 快速提炼出相关考核点，并生成相应的面试问题和评估标准。这样，面试官就能更加专注在候选人的表现上，不需要花费过多精力在准备面试方案上。但凭现在 AI 的能力，在快速提炼考核内容方面还存在比较多困难。

此外，AI 面试系统还可以在面试过程中提供一些辅助功能，比如邀约和谈薪资：AI 可以自动发送邀约邮件或短信，并根据候选人的反馈和面试结果，提供薪资谈判的建议。

杨之贤表示，未来除面试外，AI-NowGPT 还将增加简历的点评、优化功能，同时提供准确的人岗匹配度评估，帮助企业找到岗位最合适的候选人。

然而，人类面试官的亲和力和人际交往能力在面试过程中仍然非常重要。虽然 AI 可以提供面试方案和辅助功能，但在与候选人的互动和评估中，人类面试官的角色仍然不可或缺。他们可以通过面试过程中的非语言交流和深入提问，更好地了解候选人的能力和适应性。

此外，电子前沿基金会社区组织副主任 Rory Mir 也指出，当前人工智能浪潮使用的是概率模型算法，这意味着它们只是依赖过去的数据模式做出预测。“问题是，过去数据的模式包括系统性偏见产生的模式。”

用 AI 打败 AI

当然，除了招人企业用 AI，面试者也会“用 AI 打败 AI”。

Interview Dog 是一款专门的 AI 面试辅助软件 ，可以通过实时语音识别问题来帮助面试者回答考官的问题，支持科技、金融、工程、商业、法律等行业。Interview Dog 主打“按需使用”，五分钟的免费试用之外，每分钟付费 0.45 美元。

为此，Interview Dog 在网上也得到了很多好评：“在我大脑短路时，Interview Dog 让我想起了一切”“有了它，谁还需要运气啊！”

但直接念答案也是有风险的，遇到自己不回的问题，“假装”思考后对答如流是会被 HR 怀疑的。

“我之前面了一个小女孩，答的太完美了。于是我钓鱼了几个问题，她说的和 GPT 的结果八成相似，给她上了点压力后，一个问题都答不出来了。”网友 momo 分享道。

对此，有的人认为这种做法并无不妥：“工作不就是借助各种工具完成任务吗？既然面试是模拟工作场景，那用不用 GPT 取决于面试者，只要结果出来就完事了。”但国内大多数企业是不太接受这种说法的，至少像算法思路这种应该是自己能回答的，否则就变成了纯粹的“工具人”。

小红书的一个博主发起了“面试应该允许使用 GPT 吗”的小调查，参与的 1207 个人里，47% 的人投给了可以，剩下的人还是认为不应该，“面试不能用 GPT 就跟考 GRE 不能查字典是一个道理。”

除了这种直接用来应对面试的工具，还有之前普遍被认为“水深”的简历优化。在猎聘等招聘网站上，一对一的简历优化收费达到了 398 元，但有网友给出的评价是：花钱改简历≈抽奖，而且中奖几率极低！

猎聘网简历优化收费套餐

现在，有的应聘者会用 ChatGPT、文心一言等优化简历，还有人开发了基于 ChatGPT 的简历工具，用户可以直接使用 ChatGPT 自动修改。这种用法，基本不会有什么争议了。

未来，面试者和招聘者手里的魔法谁会被打败，似乎也是一个有趣的问题，毕竟 AI 不会站队。

原文链接：AI 面试的“酷刑”，只有中高级管理层和 CEO 能幸免_AI&大模型_褚杏娟_InfoQ精选文章

国内排名前20%人工智能大厂经典面试题总结（含答案和资料）

通往算法工程师的进阶之路是崎岖险阻的。《线性代数》《统计学习方法》《机器学习》《模式识别》《深度学习》，以及《颈椎病康复指南》《程序员防脱发指南》，这些书籍将长久地伴随着你的工作生涯。今天给大家分享的是国内排名前20%AI大厂经典面试题总结，资料在下面欢迎领取，没有套路。

一、基本操作

都不是。对于时间序列问题，k倍可能会很麻烦，因为第4年或第5年的一些模式有可能跟第3年的不同，而对数据集的重复采样会将分离这些趋势，而我们最终可能只是需要对过去几年的进行验证，这就不能用这种方法了。相反，我们可以采用如下所示的5倍正向链接策略：

fold 1 : training [1], test [2]

fold 2 : training [1 2], test [3]

fold 3 : training [1 2 3], test [4]

fold 4 : training [1 2 3 4], test [5]

fold 5 : training [1 2 3 4 5], test [6]

1，2，3，4，5，6代表的是年份。

2.你是怎么理解偏差方差的平衡的？

从数学的角度来看，任何模型出现的误差可以分为三个部分。以下是这三个部分：

偏差误差在量化平均水平之上，预测值跟实际值相差多远时有用。高偏差误差意味着我们的模型表现不太好，因为没有抓到重要的趋势。而另一方面，方差量化了在同一个观察上进行的预测是如何彼此不同的。高方差模型会过度拟合你的训练集，而在训练集以外的数据上表现很差。

3.给你一个数据集，这个数据集有缺失值，且这些缺失值分布在离中值有1个标准偏差的范围内。百分之多少的数据不会受到影响？为什么？

约有32%的数据将不受缺失值的影响。因为，由于数据分布在中位数附近，让我们先假设这是一个正态分布。我们知道，在一个正态分布中，约有68%的数据位于跟平均数（或众数、中位数）1个标准差范围内，那么剩下的约32%的数据是不受影响的。因此，约有32%的数据将不受缺失值的影响。

4.真阳性率和召回有什么关系？写出方程式。

真阳性率=召回。它们有相同的公式（TP / TP + FN）。

二、项目实战

1.给你一个有1000列和1百万行的训练数据集，这个数据集是基于分类问题的。经理要求你来降低该数据集的维度以减少模型计算时间，但你的机器内存有限。你会怎么做？（你可以自由做各种实际操作假设。）

你的面试官应该非常了解很难在有限的内存上处理高维的数据。以下是你可以使用的处理方法：

由于我们的RAM很小，首先要关闭机器上正在运行的其他程序，包括网页浏览器等，以确保大部分内存可以使用。

我们可以随机采样数据集。这意味着，我们可以创建一个较小的数据集，比如有1000个变量和30万行，然后做计算。

为了降低维度，我们可以把数值变量和分类变量分开，同时删掉相关联的变量。对于数值变量，我们将使用相关性分析；对于分类变量，我们可以用卡方检验。

另外，我们还可以使用PCA（主成分分析），并挑选可以解释在数据集中有最大偏差的成分。

利用在线学习算法，如VowpalWabbit（在Python中可用）是一个不错的选择。

利用Stochastic GradientDescent（随机梯度下降法）建立线性模型也很有帮助。

我们也可以用我们对业务的理解来估计各预测变量对响应变量的影响的大小。但是，这是一个主观的方法，如果没有找出有用的预测变量可能会导致信息的显著丢失。

2.如何确定 LDA (隐狄利克雷模型) 中主题的个数

在LDA中，主题的个数K 是一个预先指定的超参数。对于模型超参数的选择，实践中的做法一般是将全部数据集分成训练集、验证集、和测试集3 部分，然后利用验证集对超参数进行选择。例如，在确定LDA 的主题个数时，我们可以随机选取60% 的文档组成训练集，另外20% 的文档组成验证集，剩下20% 的文档组成测试集。在训练时，尝试多组超参数的取值，并在验证集上检验哪一组超参数所对应的模型取得了最好的效果。最终，在验证集上效果最好的一组超参数和其对应的模型将被选定，并在测试集上进行测试。

为了衡量LDA 模型在验证集和测试集上的效果，需要寻找一个合适的评估指标。一个常用的评估指标是困惑度（perplexity）。在文档集合D 上，模型的困惑度被定义为

其中 M 为文档的总数，wd 为文档 d 中单词所组成的词袋向量，p(wd) 为模型所预测的文档d 的生成概率，Nd 为文档d 中单词的总数。

一开始，随着主题个数的增多，模型在训练集和验证集的困惑度呈下降趋势，但是当主题数目足够大的时候，会出现过拟合，导致困惑度指标在训练集上继续下降但在验证集上反而增长。这时，可以取验证集的困惑度极小值点所对应的主题个数作为超参数。在实践中，困惑度的极小值点可能出现在主题数目非常大的时候，然而实际应用并不能承受如此大的主题数目，这时就需要在实际应用中合理的主题数目范围内进行选择，比如选择合理范围内困惑度的下降明显变慢（拐点）的时候。

另外一种方法是在LDA 基础之上融入分层狄利克雷过程（Hierarchical Dirichlet Process，HDP），构成一种非参数主题模型HDP-LDA。非参数主题模型的好处是不需要预先指定主题的个数，模型可以随着文档数目的变化而自动对主题个数进行调整；它的缺点是在LDA 基础上融入HDP 之后使得整个概率图模型更加复杂，训练速度也更加缓慢，因此在实际应用中还是经常采用第一种方法确定合适的主题数目。

下面是小编整理的一些人工智能方面的资料，需要的可以私信回复“资料”就可以领取链接了，看头条好像不能放链接，就辛苦一下大家了。（它的这个推荐机制和审核我也很蛋疼。）

三、面试技巧才是王道

1. 如何在面试中引起注意

老实说，这一步最重要。让社会招聘变得如此艰难和疲惫的原因是如何让招聘人员在收到的众多申请中仔细查看你的个人资料。与公司内部人员建立联系可以让你很容易地获得推荐，但一般而言，这一步可细分为三个关键步骤：

1）做好监管准备：即准备好领英档案、Github 档案、个人网站以及一份精心打造的简历等材料。 首先，你的简历应该非常整洁和精炼，因为面试官会通过你的简历来了解你，并且会根据简历提出面试问题，所以简历尤为重要！

2）这个要点是你的 GitHub 资料 。很多人仅仅因为它不像 LinkedIn 那样具备「谁看过你的资料」选项，而低估了它的重要性。人们真的会看你的 GitHub，因为这是验证你 CV 中提及项目的唯一方式，鉴于人们现在在自己的职业资料中添加了很多与各种流行词相关的噪声。尤其是对于数据科学来说，开源意味着把使用的很多工具、实现的不同算法、各种学习资源都开放出来了。

3）这是大部分人缺少的，即在招聘网站上展示自己的经历和个人项目。 制作个人职业资料表示你非常严肃地考虑进入某领域，在真实性上加了很多分。此外，履历（CV）通常会有空间限制，可能会缺失一些重要细节。你可以在个人职业资料中深入介绍这些细节，推荐对项目／思路进行某种形式的可视化或其他展示。创建一份职业资料非常简单，有很多免费平台，通过拖放功能就可以实现这一过程。我个人使用 Weebly，这是个广泛使用的工具。

2.如何赢得面试

很多同学在面试的时候会非常紧张，以至于将事先的面试准备忘的一干二净，这就是面试的时候心态没有摆好，你要知道，尽管对于你来说面试官是陌生人，但对于他/她来说你也是陌生人。所以他们可能和你一样紧张。

把面试看作是你和面试官之间的对话，这点非常重要。你们俩都在寻找对双方都有利的结果（mutual fit）——你在寻找一个优秀的工作场所，而面试官在寻找一个优秀的共事者（比如你）。所以，确保你对自己感觉良好，同时保证对话的开场令人愉悦。要做到这一点，最简单的方法就是微笑。

面试主要有两种类型——一种是面试官带着准备好的问题来面试，不管你的个人资料如何，他/她都会问你这些问题，这种情况下就是公司已经确定需要什么样的人，但是他在看到你的简历描述之后给了你面试机会，说明是对你的项目经验很满意的，所以只要将他的问题结合到项目进行阐述，说明自己的项目优势就行了

另一种面试基于你的简历，通常情况下这种面试官他的技术底蕴可能还不如你，你只需要吧他问你的东西详细的描述给他听，确保他能懂的话，基本上就能征服他了。

最后

当然，面试是存在一些技巧，但是那些技巧仅限于如何更好的展示自己的优点，而不是学会如何欺骗面试官。千万不要听一些培训机构说的去唬面试官，这是很蠢的。哪怕你唬住了，后面你还得工作，不行的话还是得被辞退，而且会被这个公司列为黑名单，并且公司的合作单位也会收到你的相关信息，人工智能圈子就这么大所以不要自误。

相关问答

可以归纳为以下几点:充分准备:在面试前,充分了解机械制造与自动化专业的相关知识,包括基本概念、技术发展趋势、常用软件和工具等。同时,也要了解自己所在...

机加工面试通常会涉及以下内容:1.机床操作技能:包括熟练掌握各种机床的操作方法、调整和维护等。2.工艺流程:了解零件加工的全过程,从图纸到成品的制造流...

怎么称呼你?简单地介绍一下自己求职的人这么多,你认为自己的优势在哪谈谈你对此次来应聘职位的看法你最大的缺点是什么对这项工作没有经验...怎么称呼你?...

提桶去电子厂,一般会提前面试,可能会被问到以下几类问题:1.个人基本情况和工作经验:这些问题涉及自己的学历、专业、工作经验等方面。目的是了解求职者是否...

根据目前的实际情况,机械制造专业面试常问的问题是直线。设计过程中的如何制定相应的尺寸以及制定的标准等相关的问题,这些问题都比较实用根据目前的实际情况...

最近,日本推出了AI面试官,考核全面问题尖锐,应聘女生被这种前所未见的面试官吓到瑟瑟发抖。这位AI面试官有何过人之处么?你往下看。AI面试官85分钟问126个问...

产品检验员面试技巧的关键就是如何利用你的专长来吸引面试官录用。要做好一些常规准备,检验员作为生产制造型企业中不可缺少的职位,在企业中的作用也尤为关键...

受新冠肺炎疫情影响,今年大部分高校的就业招聘会以及用人单位春季招聘由线下转为线上,“云招聘”越来越红火。下面就视频面试和线下面试的区别以及今年的“云端...

1、面试前的准备1)面试前需要准备简历、毕业证复印件、身份证复印件等;2)面试前如果有相关的工作经验,可以提前准备相关的作品,一个人是否求职成功和作品有直...

对于无锡住化电子的面试难度,不同人有不同的体验和评价。一些人认为面试难度较低,主要因为公司在招聘流程中比较规范,面试问题也比较简单。个人在面试中感觉...