这条预测是“已发生的事实”还是“某人的判断”？

消息提到，Vals AI联合创始人兼CEO Rayan Krishnan在彭博表示，他们预测大约在2027年8月模型将超越人类研究者，指的是模型能自主造出自身的后继版本、完全无需人类输入。他对比说，今天模型是积极参与的一部分，但人类仍然参与其中。

注意措辞：这是“他们的预测”，描述的是未来场景，不是已经发生的能力跃迁。对求职者来说，把预测当预测，而不是当结论，是第一步。你的求职方向不该建立在单一未验证预测上——无论它听起来多震撼。

如果模型真能自主迭代，哪些能力反而更值得积累？

与其赌预测成真，不如关注可迁移的判断力、问题定义与验证能力。假设一个模拟场景：同一个评测任务，A做法是照着现成指标跑一遍、把分数贴进报告；B做法是先问“这个指标衡量的是目标能力吗”，再设计对照、记录失败样例、说明结论的适用范围。两类做法在今天的岗位里都存在，但后者积累的是可迁移的判断力。

读岗位描述时，哪些信息还要确认？比如“负责模型评测”可能指跑脚本，也可能指设计评测方案。你可以向目标岗位确认：日常产出是什么、失败案例怎么归因、结论由谁复核。这些问题的答案，比预测时间点更能帮你判断方向。

我该怎么用这类预测来核查自己的求职方向？

把预测拆成可核查问题：谁在说、依据是什么、对岗位的实际影响路径是什么。CEO在彭博的公开预测，属于个人或公司观点；它是否会实现、时间点是否准确，素材并未给出依据。

具体做法：找三到五个目标岗位的在职者或招聘信息，问“过去半年你们团队的工作内容有什么变化”。如果对方说评测流程更依赖人工复核，那和“完全无需人类输入”的预测就是两种信号。你不必据此放弃方向，也不必据此认定岗位会增长——只把它当作一条待验证的线索。

一个实际可做的小建议：下次看到类似预测，先写下“如果它为真，我的目标岗位哪项日常工作会最先变化”，再去招聘信息里找对应职责描述，看是否已经出现。找不到，就先按原计划积累可迁移能力。