Brendan：人类现在比AI强的一个关键点是能不断学习和进步。我们会寻找这些代理信号，比如候选人会问正确的问题，思考方式对，背景里有高绩效环境的经历，这些都能帮助他们发现模型的漏洞、提升模型能力。
Jacob：你们现在自己也用自家产品吗？具体怎么用在招聘上？
Brendan：当然，除了高管岗位，其他岗位我们都用。高管岗位我们也挂了职位，但大多还是我先面试，主要是为了推销岗位而不是筛选。我们的AI面试非常有效，很多时候是最有预测力的信号。很多人低估了招聘过程中的“氛围判断”偏见，人总觉得自己判断准。
Jacob：招聘其实是最早的“氛围”行业。
Patrick：VC们肯定没有这种偏见。
Brendan：所以我们要用业绩数据来做决策。比如我们招聘战略项目负责人，以前是人类做案例分析，现在全部用AI面试，最终转正率还提高了。AI面试能让比较更客观、标准化，不用不同面试官各自为政。
Patrick：评测环节你们是自己找人做，还是用市场上的人？内部做得多吗？
Brendan：我们会用市场上的人来做自己的评测流程，和客户流程类似。当然研究员还是要参与，分析模型出错原因、完善错误分类、优化后训练数据，流程和用人都一样。
Jacob：你们提到用多模态能力判断激情等特质，对未来的视频、音频等有何考虑？
Brendan：我常想强化学习（RL）在提升视频理解能力上的作用。RL擅长搜索问题，而视频信息量巨大，所以模型处理起来困难。我们要思考如何在多模态上下文里找到关键信号，比如候选人是否很激动、是否作弊等。我们要创造合适的数据，让模型关注这些信号，前沿实验室也在做底层能力提升。
Jacob：就像你说的，短短几年，标注市场变化巨大。你觉得两年后会怎样？这块业务还会存在吗？还是只剩下专家？
Brendan：我认为会是很重要的一块。我们创业的初衷就是聚合劳动力，让劳动力配置更高效。关键在于判断五年后人类在经济中的角色。
我看到的趋势是，未来人类会专注于创造评测，让模型能学会还不会做的事，而不是反复做同一个任务。所以我高度看好知识型工作向评测转型，可能形式会更动态，比如和AI面试官对话解决问题。我认为这是经济的重要组成部分，但大多数人还没意识到，因为大家把它和SFT、RHF市场混淆了，而这两类数据的价值正在下降，预算也在减少。
Patrick：你觉得未来哪些技能最值得培养？如果你建议在校生应该学什么，你会怎么说？
Brendan：我一定会建议大家追求快速学习能力，因为变化太快了。很多领域，人们以为模型很久都做不好，结果很快就突破了。要多和AI协作。我们市场上的人常说，他们喜欢能整天和模型打交道，思考模型做不到什么、缺了什么。这些经验能帮他们在实际工作中判断哪些环节用AI更高效。所以要尽量多用模型，熟悉它们在本领域的优缺点。这很有帮助，但很难说一定要做软件工程师还是别的什么。