Az Anthropic AI-ja szétzilálja saját műszaki interjú-tesztjeit

Ami a műszaki toborzást illeti, az AI-cégek vörös királynő versenyben vannak saját rendszereikkel – a toborzóknak és az interjúk tervezőinek egyre keményebben kell dolgozniuk, csak hogy lépést tartsanak (és ideális esetben felülmúlják) a modern AI-rendszerek képességeit. Az Anthropic sem kivétel – egy új blogbejegyzésben a vállalat megosztja, hogy az AI-képességek szüntelen előrehaladása hogyan zilálta szét ismételten az egyik legnehezebb műszaki interjújukat, és tette szükségessé annak újratervezését. „2024 eleje óta a teljesítménymérnöki csapatunk egy otthon elvégezhető tesztet használ, ahol a jelöltek egy szimulált gyorsítóhoz optimalizálják a kódot. Több mint 1000 jelölt fejezte be, és most már tucatnyian dolgoznak itt, köztük olyan mérnökök is, akik beüzemelték a Trainium klaszterünket és a Claude 3 Opus óta minden modellt leszállítottak” – írja az Anthropic. „De minden új Claude modell arra kényszerített minket, hogy újratervezzük a tesztet. Azonos időkorlát mellett a Claude Opus 4 felülmúlta a legtöbb emberi jelentkezőt. Ez még lehetővé tette számunkra a legerősebb jelöltek megkülönböztetését – de aztán a Claude Opus 4.5 még azokat is felülmúlta. Az emberek még mindig felülmúlhatják a modelleket korlátlan idő esetén, de az otthon elvégezhető teszt korlátai között már nem tudtuk megkülönböztetni a legjobb jelöltjeink és a legképzettebb modellünk teljesítményét.”