绕开秘书问题
本文探讨了经典的最优停止理论问题——"秘书问题"，并提出了一种规避该问题核心困境的实用策略。作者分析了传统解决方案的局限性，给出了在招聘或决策场景中更灵活高效的替代方法，帮助读者在信息不完整的情况下做出更优选择。
背景速读
- "秘书问题"（Secretary Problem）是概率论与最优停止理论中的经典难题：你在面试求职者时，每见一人后必须立即决定录用与否，不能回头；如何在未知总数或已知总数但顺序随机的情况下，最大化选中最优秀候选人的概率？
- 经典解法是"37%规则"：先拒绝前 37% 的候选人（仅作观察），然后在后续候选人中录用第一个比之前所有都更优的人。该策略选中最优者的概率约为 37%。
- 现实中招聘远不止此：面试成本、候选人撤回、团队多样性目标、多轮面试顺序等，都让"只看最优"的框架不够用。
- 这篇文章讨论了一系列"绕开"经典秘书问题的新策略，例如设定多个"及格线"、分批决策、或用机器学习预估候选人分数再降为排序问题，让招聘既保留概率优势，又更贴合实际约束。