Kan HackerRank se om du använder ChatGPT?
Av Aaron Cao · Uppdaterad
Inte direkt. HackerRank har ingen ChatGPT-detektor. Systemet loggar fliksbyten, klistra in-händelser och avslut från helskärmsläge, och poängsätter sedan din kod för likhet med andra inlämningar. Dessa signaler antyder extern hjälp utan att peka ut källan, och en rekryterare avgör vad de betyder.
Vad HackerRank faktiskt registrerar
Oron bakom den här frågan är oftast specifik: du har ChatGPT öppet i en andra flik och vill veta om testfönstret kan se det. Det här avsnittet listar vad HackerRank registrerar. Kortfattat handlar det om en handfull signaler på webbläsarnivå plus en valfri webbkamera, och ingen av dem läser innehållet i en annan flik.
Vad ett HackerRank-test loggar:
- Fokus- och fliksbyten, det vill säga ögonblicket du lämnade testfönstret och ögonblicket du kom tillbaka
- Klistra in-händelser i kodredigeraren, inklusive hur mycket text som kom in på en gång
- Avslut från helskärmsläge, när testet var konfigurerat att kräva helskärm
- Webbkamerabilder, endast när företaget aktiverat övervakning (proctoring)
En webbläsarflik kan inte läsa flikarna bredvid sig. HackerRank vet att fokus lämnade testet; det vet inte om du öppnade ChatGPT, en dokumentationssida eller din e-post. Genomgångar plattform för plattform finns i detectability cluster.
Var ChatGPT-innehåll faktiskt avslöjas
Risken ligger inte i att öppna ChatGPT. Den ligger i vad du gör med svaret.
HackerRank kör likhetspoängsättning av kod på inlämningar och jämför din lösning med andra kandidaters inlämningar och kända publika källor. Språkmodeller är konsekventa av naturen: be flera personer låta ChatGPT lösa samma standardproblem med array, och inlämningarna konvergerar mot samma struktur, samma variabelnamn och samma kommentarstil. Den klustringen är precis det mönster som likhetspoängsättning finns till för att avslöja.
Att klistra in förvärrar det. En enda inklistring som lägger en fullständig lösning i en tom redigerare på en gång är en starkare signal än koden i sig, eftersom den visar att svaret kom helt istället för att utvecklas.
Notera vad inget av detta fastställer. En likhetsflagga säger att två inlämningar liknar varandra. Den säger inte att ChatGPT skrev endera. Verktyg som påstår sig identifiera AI-skriven text är opålitliga i båda riktningarna, och en noggrann granskare behandlar dem som ett skäl att ställa frågor snarare än som bevis.
Vad HackerRank inte kan se
En andra enhet befinner sig helt utanför systemet. Om du läser ChatGPT på telefonen finns det ingen webbläsarsignal att logga, eftersom inget hände i webbläsaren som kör testet.
Det gapet är smalare än det låter så fort övervakning är på. Webbkamerabilder upptäcker inte en telefon, men de visar en person som tittar ner och bort med jämna mellanrum, och en mänsklig granskare drar den uppenbara slutsatsen. På en företagsstyrd laptop kan arbetsgivarens egen enhetsprogramvara se betydligt mer än HackerRank gör.
Föreställ dig en backend-ingenjör som gör ett tidsbegränsat HackerRank-test för ett betalningsteam. De löser de två första problemen i redigeraren och löser det tredje via ChatGPT på telefonen. HackerRank-loggen visar en ren session. Webbkamerabilderna visar uppmärksamhet utanför skärmen under större delen av slutspurten, och den tredje lösningen läser inte alls som de två första. Inget upptäcktes, och rapporten ser ändå konstig ut. Att öva på de omgångar som följer med mock interview practice är den del som verkligen ger utdelning över tid.
Var SubcueAI passar in, och var det inte gör det
SubcueAI är byggt för levande samtalsintervjuer, de där en person ställer frågor till dig via Zoom, Google Meet eller Microsoft Teams. Skrivbordsappen på macOS och Windows fångar systemljud och din mikrofon och visar förslag i en lokal overlay; webbläsartillägget Side Panel gör samma sak för ett samtal som körs i en Chromium-flik, och fångar bara den flikens ljud, det vill säga intervjuarens, inte ditt eget. Ingen bot ansluter till samtalet och inget injiceras i mötessidan.
Ett HackerRank-kodningstest är en annan situation. Ingen talar, så en levande assistent har inget att lyssna på, och att ta in extern hjälp i ett test bryter mot villkoren du godkände när du började det. Vi påstår inte att något verktyg är oupptäckbart där. Skärmdelning, skärminspelning, övervakade miljöer och företagsstyrda enheter ligger alla utanför det som en lokal overlay kontrollerar.
Den förberedelse som fungerar för ett kodningstest är den oglamorösa sorten: öva på problemtyperna tills du kan skriva dem utan hjälp. Detaljer om fångst och latens tas upp i how it works cluster.