Brendan：当然，我们在这方面做了很多。简单介绍一下公司的背景，我们创办公司的原因是觉得全世界有很多有才华的人没有获得机会，主要原因是劳动力市场高度分散。比如远程工作的候选人只申请了很少的职位，而旧金山的公司只考虑极少数人选，因为他们要手动解决匹配问题。通过应用大模型，我们可以解决这个匹配问题，建立一个全球统一的劳动力市场，每个候选人都可以申请，每家公司都可以雇佣。但后来我们发现，随着新型知识工作岗位的出现，对人力的需求激增，尤其是评估大模型的人才需求。所以现在我们为顶级AI实验室招聘各种专家。这些实验室使用我们的技术来辅助，不仅是为评估专家创建评测，也为模型和你提到的那些AI代理创建评测。
Patrick：对我们的听众来说，Mercor也有很多AI用于筛选候选人、处理简历等场景。你能介绍一下你们有哪些AI用例吗？你们现在用的技术栈是什么样的？
Brendan：一个很好的方法就是把人类手动做的所有事情都创建评测，然后看我们能否自动化。比如人如何评阅简历、面试、排序和决定录用谁。我们把所有流程自动化，比如评测我们解析简历的准确性、评分简历各部分的准确性、面试提问的准确性、面试评估的准确性，然后把这些全部输入模型上下文，再结合推荐信等其他数据，最终做出录用预测。
Patrick：主要是用现成的模型，你们负责评测和上下文设计吗？
Brendan：是的，基础任务用很多现成模型，但在最难的候选人最终评估环节，我们会做后训练。我们会从客户的数据中学习，比如哪些人表现好，原因是什么，从这些信号中学习，做出更好的未来招聘预测。
Patrick：你们学到过哪些让人意外的信号？比如AI发现了什么是你们人类没想到的？
Brendan：有很多这样的例子。我认为AI的一个关键优势是能更深入地分析候选人的所有细节，发现人类有时会忽略的小信号，而人类因为“氛围判断”可能早就决定了。比如简历里如果有人表现出对某个领域极大的兴趣，纯粹是出于兴趣而不是工作需要，这会成为一个信号。或者有人曾在目标国家留学，可能沟通更顺畅，更适合团队环境。这些小细节因项目和客户而异。
Patrick：你觉得有哪些事情是一定需要人做的？你刚才提到多模态任务，但你怎么看AI和人类面试官的协作？未来会不会全是AI评估？
Brendan：简单来说，招聘过程分为评估和推销。评估环节很快就会变得非常强大，大家会发现AI的推荐明显更准，大家会更愿意相信AI的结果。人类则会继续在推销环节发挥很大作用，比如让候选人了解团队、岗位、氛围等。AI让招聘经理和HR只需专注于真正想要的人选，而不用浪费时间面试不合适的人选。这样能让他们更好地帮助候选人了解岗位、团队和激励点。