星云智算的面试通知在笔试后第五天到来。

一面是HR面，在线视频。HR是个三十多岁的女性，姓高，穿白色衬衫，背景是某共享办公空间的虚拟背景。她的表情很淡，像一张被水浸过的纸，看不出情绪。

"请做一个自我介绍，"她说，"时间控制在两分钟以内。"

我背过父亲帮我打磨的版本，流畅地说完。高HR没有点评，直接问下一个问题："你为什么选择星云智算？"

"我了解到贵司正在推进大模型在电商、金融、政务场景的落地，而我擅长的正是用统计学方法评估模型效果、量化业务价值。我相信我的背景和贵司的需求是匹配的。"

"你的专业是统计学，"高HR低头看简历，"但我们这个岗位更偏向工程落地。你觉得自己和计算机专业的候选人相比，劣势在哪里？"

这是陷阱题。我深吸一口气："工程实现上，我确实不如计算机科班出身的同学扎实。但大模型应用工程师的核心，不是写最优雅的代码，而是让模型在真实业务里产生可靠的结果。这需要数据敏感度、实验设计能力和效果评估方法论——这些正是统计学训练给我的。我可以把模型效果'翻译'成业务语言，让技术决策有数据支撑。"

高HR微微点头，在本子上记了一笔。后面又问了几道常规题：职业规划、优缺点、期望工作城市。最后她说："如果有后续，一周内通知。"

视频挂断，屏幕变黑。我长出一口气，感觉后背又湿了。

二面是技术面，三天后。面试官是个年轻男性，声音沙哑，像是感冒了。他开门见山："我们不用PPT，直接聊项目。你简历里那个RAG问答系统，详细讲讲架构。"

我打开提前准备好的架构图，从文档解析、向量数据库、检索策略、重排序到生成模块，逐一讲解。他打断我几次："为什么选择余弦相似度而不是欧氏距离？"，"如果用户问题涉及多个文档片段，你怎么做多跳推理？"，"模型幻觉严重的时候，你的兜底策略是什么？"

这些问题我都准备过，答得还算流畅。但当他问到"你有没有处理过十万级文档的检索性能优化"时，我卡住了。我的项目最多处理过几千篇文档，十万级？只在论文里看过。

"没有实战经验，"我老实承认，"但我了解分块策略、索引分层和缓存机制的原理，如果给我场景和数据，我可以快速上手。"

面试官"嗯"了一声，不置可否。最后他问："你有什么问题问我？"

我问："团队目前在大模型应用落地中，最大的技术瓶颈是什么？"

他愣了一下，似乎没想到会问这个。然后他说："评估。怎么证明一个AI应用比原来的规则系统好，好多少，好在哪儿。我们缺的不是调模型的人，是能用数据讲故事的人。"

我心里一动。这正是严师道说的"翻译"能力。

三面是部门负责人面，又隔了三天。面试官叫顾远，技术总监，四十出头，头发稀疏，戴一副无框眼镜。他的办公室背景是一面书架，上面摆着几本显眼的旧书：《统计学习方法》《机器学习》《人月神话》。

"邢星，"顾远看着我的简历，"我注意到你的项目经历里，有一个政务知识库问答系统。如果这个项目上线后，有用户投诉模型胡说八道，领导要求你'用数据证明这不是模型的问题，是数据的问题'，你怎么做？"

我脑子飞速转动。这是一个典型的统计推断问题。

"首先，我会定义'胡说八道'的类型，"我说，"是事实性错误，还是边界外问题（out-of-scope），还是表述歧义。然后，我会抽样一批投诉案例，人工标注错误原因分布。接下来，用假设检验：如果错误案例中，超过显著比例（比如70%）是由于知识库文档缺失、过期或矛盾导致的，而不是模型生成逻辑错误，那就可以证明主要矛盾在数据。同时，我会给出置信区间，说明这个结论的可靠性。最后，附上一个数据修复后的回测实验，作为佐证。"

顾远靠在椅背上，手指轻轻敲着桌面。沉默持续了大概五秒钟，像有一个世纪那么长。

"你的统计学背景，"他终于开口，"在候选人里不算热门。但你刚才的回答，是我这周听到的最好的。很多人只会说'清洗数据''优化Prompt'，没有人想到用假设检验去量化归因。"

他顿了顿："但我也要提醒你，大厂里，统计学思维是加分项，不是免死金牌。你工程能力弱，进来后前半年会很痛苦。你愿意补吗？"

"愿意，"我说，"我本科辅修过计算机核心课程，研究生期间也写了不少代码。给我时间，我能补上。"

顾远点点头："等HR通知吧。"

三面结束，我瘫坐在出租屋的椅子上。窗外的天色已经暗了，成都的夜生活开始，远处传来火锅店的喧闹声。我给父亲打电话，说了面试情况。

"那个顾总监，"父亲沉吟道，"问的问题有水平。他是在试探你，能不能把学术能力和工程问题结合起来。你答得不错。"

"但他说前半年会很痛苦。"

"哪份工作前半年不痛苦？"父亲说，"你爷爷那辈，进工厂当学徒，前三年都是打杂。现在的年轻人，总想把痛苦跳过，直接拿结果。这世上没有这种账。"

挂了电话，我看着招聘软件上"蓉城智链"的面试提醒。明天下午两点，创始人郑途亲自面试。北京和成都，像两个砝码，开始在我天平的两端缓缓加重。