Jane Street 为校园候选人增设 AI 聚焦面试环节
概要——Jane Street 正在改变什么及其重要性
Jane Street 宣布,其校园候选人的现场面试将新增一些环节,这些环节更少关注手写代码,而更多关注高层设计、代码验证以及大型语言模型(LLM)的使用。这一转变承认了 AI 工具已成为现代软件工程不可或缺的一部分,而最有价值的工程师特质如今是判断力、抽象能力和质量保证。
新的面试形式刻意保持高层级
- 设计优先——候选人将被要求讨论软件架构、选择持久的抽象,并推理正确性,而不是在白板上解决算法难题。
- LLM 辅助编码——一些环节将允许候选人使用 LLM 生成代码,然后评估输出,测试他们提示、批判和验证 AI 生成代码的能力。
- 传统编码仍然存在——大多数面试环节仍然是经典的实时编码,不借助 AI 辅助,以保留评估原始问题解决能力的方式。
“总的来说,它们涉及的代码编写更少,更偏向高层级,专注于软件设计、验证代码的质量、结构和意图,以及使用 LLM 生成代码。”——Jane Street 博客
为什么这一改变是合理的
- AI 降低了代码生成的成本——借助 LLM,生成语法正确的代码变得廉价,因此面试官可以将注意力转移到机器无法自动化的决策上,例如选择正确的抽象和确保正确性。
- 与现实工作流程对齐——Jane Street 的工程师已经在日常工作中依赖 LLM 来编写、阅读、调试和审查代码。在面试中考察候选人这些相同的实践,能形成更真实的评估。
- 更广泛的技能集——公司强调“对构建什么的品味、选择持久的抽象,以及确保所构建的内容确实正确”是未来员工的核心能力。
候选人应期待什么
- 提前通知——并非每场现场面试都会包含新环节;候选人会提前被告知需要准备哪种形式。
- 无需深厚的 LLM 专业知识——Jane Street 表示,候选人不需要拥有复杂的 AI 工作流程;他们只需要展示对工具优势和局限性的清晰思考。
- 评估工具意识——面试官会寻找能够清晰阐述 LLM 何时适用、其失败模式以及如何弥补这些模式的候选人。
- 高级职位的持续多样性——更有经验的候选人仍将面对设计、系统构建和传统编码面试的混合。
Hacker News 上的社区反应
- 实用的替代方案——一位评论者描述了一个两阶段流程:一个简单的实时编码问题(允许高级候选人使用 LLM),随后是一个架构讨论,候选人迭代扩展一个最小的 MVP。重点在于解释 AI 生成的代码,而不仅仅是生成它。
“如果你是高级及以上,并通过 LLM 完成,那么标准会大大提高,你需要详细解释 LLM 编写的所有内容,就像你自己写的一样。”
- 对有效性的怀疑——一些用户质疑 Jane Street 是否有证据表明新形式能改善招聘结果,指出缺乏引用的研究或内部测试。
“它有效吗?他们怎么知道它有效?……他们没有显示出任何迹象表明他们做过任何测试。”
- 对炒作的观察——几条评论注意到 Hacker News 上 Jane Street 报道的激增,推测该公司的强劲表现或招聘推动可能正在引发关注。
- 更广泛的行业背景——其他人指出,面试形式正在整个科技行业演变,公司正在尝试 AI 驱动的 IDE、有意的“无陷阱”提问,甚至故意有缺陷的 LLM 输出,以测试候选人的调试技能。
如何为 AI 中心环节做准备
- 练习提示——习惯让 LLM 生成代码,然后批判性地审查其错误、风格问题和架构决策。
- 学习设计模式——准备好讨论为什么在特定场景下某种抽象或模块布局更可取。
- 复习验证——熟悉静态分析、类型系统和可用于证明正确性的形式化方法,因为 Jane Street 此前曾写过在其工作流程中使用形式化方法。
- 反思工具权衡——准备好简洁的解释,说明何时会使用 LLM、调试器、测试套件或手动推理。
这对软件面试的未来意味着什么
Jane Street 的实验展示了更广泛的行业趋势:随着 AI 处理日常编码,面试官将越来越多地评估高阶工程判断力。将面试流程与工程师实际使用的工具对齐的公司,可能会吸引既技术娴熟又善于负责任地利用 AI 的候选人。
底线: Jane Street 对设计聚焦、LLM 增强的面试环节的试点,反映了软件工程师价值主张的转变——从原始编码能力转向战略性的、以质量为中心的决策。候选人应将新形式视为展示其对 AI 工具理解、架构洞察和验证思维的机会。