别只问模型名字，问评估任务从哪来

消息提到，Balyasny测试新模型时，用的是数千个有可验证结果的真实金融任务，覆盖股票、宏观和大宗商品，而不是通用基准或孤立演示。对准备面试的人来说，这个细节值得借来当提问切口。

可以这样问：这些评估任务是真实业务里跑过的，还是为演示专门构造的？结果由谁标注、谁判定对错？失败模式怎么归类？

这里要区分两种回答。一种是能说出具体任务类型和错误归因方式：比如数值算错、覆盖遗漏、结论没有依据、检索到错误材料，说明团队至少认真想过“怎么知道它不行”。另一种是绕回模型名字和通用跑分，对任务来源、标注人说不清楚。后者未必代表没做事，但说明你能问到的落地深度有限。

人机分工：关键不是有没有人，而是人能不能说不

素材提到，投资判断与问责仍由人承担，重要输出需人工审核，并有明确的边缘情况升级路径。面试时可以顺着问：哪些输出必须人工确认？审核人有没有否决权，还是只走形式？出错时升级给谁、多久内响应？

做个假设场景：面试官说“模型给建议，人做最终决定”。你可以追问，人的决定和模型建议不一致时，这个分歧记录在哪。这能看出人的判断是流程的一部分，还是只在出事后被追责。

如果对方说“基本全自动、人只看一眼”，不必立刻下结论，但可以继续问：看一眼具体看什么，看漏了怎么发现。这是核查问题，不是断言对方一定有问题。

数据与工具权限：问清楚你入职后能碰什么

素材提到，Balyasny对安全的关注点包括模型能访问什么数据、使用什么工具、采取什么行动、哪些必须人工批准。面试时可以问：模型能访问哪些数据源？工具权限按人还是按任务分配？重要输出的日志留多久？

这些问题不只是判断团队，也直接影响你入职后的工作半径：你能接触哪类数据、能调哪类工具、遇到边界情况找谁。

一个实际可做的小建议：面试前把上面九个问号挑三个最想知道的写成三行，面试时逐条问，并记录对方回答里出现的具体名词——任务来源、审核角色、权限层级、升级路径。名词越多，越值得你继续了解；只有形容词，就再多问一轮。