有一阵子，穆伦韦格（Matt Mullenweg）招人的办法和大多数公司没什么两样。来 Automattic（WordPress 背后的那家公司）应聘的人，可能要先见五位员工，然后大家一起出去吃顿午饭。据他说，团队当时觉得这已是最严格的筛选。
可招进来的人里，还是有一些干不下去。穆伦韦格后来想明白了：他们一直在给错的表现打分，看的是候选人怎么说话，甚至是他在餐馆里的举止。他在 2014 年写道，除非这份工作本身就是讨人喜欢，否则这点本事说明不了他能不能把活干好。
于是他定了一条听上去很费钱的规矩：进了最后一轮的人，都要先和将来的同事一起，替公司做三到八周的真实任务。应聘客服的，直接回复真实客户；应聘工程师的，写真实的代码。所有人一律按每小时 25 美元付钱，想当工程师的和想当财务总监的拿一样多。
听上去是常识，几十年来的研究也站在这一边。直到 2022 年，研究自己改了数字。
排行榜的榜首
1998 年，心理学家施密特（Frank Schmidt）和亨特（John Hunter）把 85 年来的研究汇总到一起，看各种招聘方法能在多大程度上预测一个人日后的工作表现。他们给 19 种方法排了座次，用的是一个叫「效度」的相关系数：0 表示这个方法对谁会干得好毫无预测力，1 表示能准确预测。
排第一的是工作样本测试，0.54。论文举的例子是让应聘者修一批坏掉的电动机，这类测试常用来招焊工、机械工和木工。一般智力测验和结构化面试并列，都是 0.51。随意聊天式的面试是 0.38。简历上最显眼的那一行，工作年限，只有 0.18。
2022 年，萨克特（Paul Sackett）和三位同事回头重查了这类数字背后的证据。他们认为，这些汇总研究里常用的一种统计校正用得太狠，把不少估计值抬高了。一部分因为这个，一部分因为有了更新的数据，他们算出的数字几乎全线下调：工作样本降到 0.33；结构化面试 0.42，成了第一；非结构化面试跌到 0.19；工作年限只剩 0.07。
工作样本丢了榜首，但仍在第一梯队。萨克特团队指出，排在前面的方法都是围绕某个具体岗位设计的，平均来看比测一般能力或性格的方法更准。
这次修订也有人不服。Oh、Le 和 Roth 三位研究者认为，那种校正要解决的问题，在一些研究里比萨克特团队估计的更要紧。萨克特团队回应说，那样的条件不太可能是常态，同时也承认，很多数字仍有相当大的不确定性。而且每个数字都是许多岗位、许多种测试的平均值，你自己的测试可能高出不少，也可能低出不少。
想知道他能不能干，就让他真干一小段看看。
迹象，还是样本
研究招聘的人把这叫作「迹象」和「样本」之分。智力测验、性格问卷找的是迹象，看一个人身上有没有将来能干好的苗头。工作样本跳过推测，直接从你要招的那种行为里抽一小段出来看。饭桌上的闲聊，抽到的主要是一个人怎么说话，也就是穆伦韦格后来最不信的那部分。
它也有边界。施密特和亨特指出，工作样本只适用于已经会干这行的人，而且比智力测验贵得多。Automattic 那种动辄几周的做法，其实介于短测试和论文里另列的一种方法之间：「试用」，也就是先低门槛招进来，观察几个月再决定去留，那一项的效度是 0.44。
两小时，一个月的旧账
设想你开了一家三个人的代账事务所，想再招一个。两位候选人面试都不错。一位在大所干了十年，讲起对账头头是道；另一位话少，在小所干了四年。
你不再安排第二轮面试，拿出一个老客户某个月的账，抹掉名字：一鞋盒的票据，一张银行流水，里面有一笔重复付款。你按两小时付钱，给两个人同样的材料、同样的说明，并且在看结果之前先写下什么算好：这个月对平，重复付款找出来，再列几个要问客户的问题。
能说会道的那位很快做完，没发现那笔重复付款。话少的那位找到了，还列了两个问题。一个下午说明不了五年后谁更出色。可它让你看到谁抓住了客户花钱请你抓的那种错，再聊一个小时未必看得出。
给模型试岗
挑 AI 模型，很多时候也像看面试：看它答考试题的分数。OpenAI 在 2025 年写道，这类测试往往够不上人们日常工作里真正要做的事。它拿出的办法 GDPval，就像给模型做工作样本测试：44 种职业、1,320 个任务，每个任务都由平均有 14 年经验的从业者，照着真实的工作成果来出，比如一份法律文书、一份护理计划。评分的也是同行，拿模型的成品和出题专家本人的成品对比，事先不知道哪份出自 AI。
它和两小时的测试有同一个盲区。OpenAI 自己说明，GDPval 只看一次成稿，看不到模型根据客户意见改文书，也看不到它先和客户谈、弄清到底要什么。
不一样的是样本的价钱。一个候选人能给你一个下午；同一件事，模型可以做一千遍。Anthropic 现行的评测指南建议，测试要贴近真实工作中任务的分布，宁可多出题、自动评分，也别只做少量精细的人工评分。把一件反复要做的活交给模型之前，先拿上个月二十个已知正确答案的真实案例让它做一遍。
那笔重复付款，也放进去。