كانت اختبارات coding take-home gold standard لتوظيف engineering لعقد. ثم جاء GPT-4 وCopilot. الآن يستطيع أي شخص تسليم حل مقبول لـ take-home نمطي في أمسية واحدة — حتى لو لم يكن يُجيد البرمجة فعلاً.
Anti-AI detection إضافة لإعادة صياغة صيغة الاختبار هي كيف تُبقي الفرق الإشارة صادقة. الاكتشاف وحده لا يمكن أن يكون الإجابة الكاملة — false positives مكلفة جداً. لكن مدمجاً مع تغييرات الصيغة، يمكنك إبقاء take-homes مفيدة.
أولاً، إشارات سلوكية: إيقاع الكتابة، أنماط التحرير، أحداث اللصق، توزيع الوقت على المهمة. الإرسالات AI-assisted تبدو مختلفة عن المكتوبة بشرياً. دقة الاكتشاف على بنشماركنا 94%، بمعدل false-positive أقل من 2%.
ثانياً، تغيير الصيغة: انتقل من «نفِّذ X» إلى «راجع وحسِّن codebase هذه». AI سيء في تصحيح كود غير مألوف، خاصة بقضايا معمارية دقيقة. المهندسون الحقيقيون يستطيعون فعل ذلك؛ المرشحون LLM-assisted سيكافحون.
ثالثاً، walkthrough مباشر متابع: مكالمة 30 دقيقة يشرح فيها المرشح حله. من كتبه فعلاً يستطيع التحدث بطلاقة عن tradeoffs؛ المرشحون LLM-assisted لا يستطيعون.
