Signal Problem in Hiring（招聘信号问题）
定义
Signal Problem in Hiring 是传统技术面试的根本缺陷：面试只能收集"几小时的信号"，却要做出持续数年的招聘决策。这导致公司"招了大量假阳性（不合格者）"同时"拒绝了合格的候选人"。
信号链条断裂
Yegge 识别了招聘信号链条中的四个断裂点：
| 信号来源 | 问题 | 现状 |
|---|---|---|
| 简历 | 信噪比差 | AI 写作进一步恶化 |
| 电话筛选 | 曾是较好的信号 | 已被淘汰/过时 |
| 现场面试 | "和真实工作出了名的不像" | 仍是主流 |
| 离线评估 | 编码测试 | AI 作弊毒化 |
系统性修复的失败
大公司已经意识到信号问题，但所有修复都是打补丁：
- Amazon Bar Raiser：专门角色来保证招聘质量——存在本身就说明"你不能信任面试团队"
- Microsoft As-Appropriate：类似机制
- Google Hiring Committee：匿名审查面试包——实验发现否决了 2/3 的候选人，包括面试官自己被面试时的包
Yegge 的结论：这些修复都没有改变根本流程——"短时间面试"这个模式 50 年没有本质变化。
关键数据点
- Google Hiring Committee 审查匿名面试包后否决约 2/3——而这些正是面试官们自己被面试时的包
- Amazon 和 Microsoft 分别设立 Bar Raiser 和 As-Appropriate 角色来弥补面试团队的判断缺陷
- 简历 AI 写作和编码评估 AI 作弊同时恶化了信号质量
另一视角：Funnel of Doom 与 Work Sample（Adam Ward，2026-08）
Signal Problem 不止存在于"评估环节"，也存在于"候选池环节"。Adam Ward（Cursor 招聘负责人）提出 funnel of doom：传统招聘先 reach 100 人 → 20% 回复 → 逐级剔除 → hire 剩余者。"回复你的 20% 是你抓到他们倒霉天的 20%，不是 top 20%"——remainder hiring 从源头就是有偏样本，且随时间回归均值。解法是把信号问题前移：先定义 top 1% 是什么（scoping）→ mapping 全世界 50 人 → relentless pursuit（把每个 hire 当高管招聘），"atomic unit of hiring 是 person，不是 job spec"。
对"评估信号"环节，Ward 与 Yegge 完全收敛：work sample 是预测力最高的信号，Cursor 用长时真实工作（side-by-side 项目、围绕餐食、精编见面人选）替代提问式评估；Michael Terrell 曾移除 work trial 后"signal 完全崩溃"，被迫恢复。这给 Signal-Problem 提供了正向解法样本：把信号窗口从"几小时模拟"拉到"几天真实工作"。
前提与局限性
- Yegge 的分析基于美国大型科技公司（Google、Amazon、Microsoft）的经验，可能不适用于初创公司或非科技行业
- "信号问题"的严重程度取决于岗位类型——对于高度标准化的角色（如前端开发），面试信号可能比 Yegge 描述的更强
- 面试的信号问题可能被夸大：有研究表明结构化面试的预测效度实际上相当高（约 0.51）
关联概念
- Campfire-Hiring — 对信号问题的系统性解决方案
- Steve-Yegge — 问题识别者
- Decision-Quality — 更广泛的决策质量问题：如何在有限信息下做出高质量决策