题库一换、合格线不动，看似省事，实际常常把题组难度的变化误读成候选人变差。本文给出一套换库后的合格线四步复核法，并说明每一步要留的证据。

题库更新会同时改变题型难度、能力维度覆盖与作答空间，评分分布随之上移或下移；旧合格线如果原样套用，就会把配置差异读成候选人水平差异，造成边界误杀或漏放。更稳妥的做法是把合格线绑定到题库与岗位模型版本，按「换库校准四步」收集更新前后的同岗位族评分分布、边界样本与复核记录，再决定维持、上调、下调还是转人工复核，并写清生效范围。

先分清：题库更新改的是评分条件，不是候选人水平

牛客AI面试采用录制型作答，候选人自行录制回答，缺少实时互动，不同候选人可能共用同一套题库。资料显示，评估维度正从履历、技能向稳定性、沟通表达、抗压等综合素质扩展，而统一的题库难以衡量不同岗位的核心潜力。题库一旦更新，题型难度、能力维度覆盖与作答空间都会变化，评分分布随之移动；旧合格线留在原处，等于用旧尺子量新题组，分数差异更容易被读成候选人水平差异，而不是题目变化。

换库前后收集评分分布证据，先做同岗位族对照

判断旧线还能不能用，先拿同岗位族的更新前后评分分布做对照：均分与分布形态、边界段密度、通过率、人工复核一致率。资料给出的可执行做法包括：灰度发布时选取3—5个岗位族先行，做A/B对照并沉淀指标基线；在统一看板配置评分分布、公平性监控与异常复核。缺少历史分布时，先用小样本试跑建立基线，再讨论调线，不用一个岗位的结果外推全公司。

复核合格线该看的样本：边界、高分与未通过三类

以下为方法推导，前提是该岗位已能调取更新前后的作答记录与人工结论。优先取刚好过线与刚好未过线的边界样本，分别统计误杀与漏放；再抽高分段核对强项是否真实，抽未通过样本检查假阴性。样本量不足时，缩小结论的适用范围，不把单个岗位的结果外推。判断以人工复核意见为准，系统建议分只作为线索，不直接当结论。

把合格线绑定岗位模型版本，再决定是否调线

合格线不是独立数字。岗位模型、能力权重、行为锚点或题库版本一变，同一分数的含义就变了。资料建议从岗位任务反推能力维度，明确3—6个核心胜任力；评分采用行为锚定评价量表，每个能力设1—5级行为锚点，面试官可调整并保留修改痕迹；同时定期做评分一致性检视与题库漂移检查。调线前先确认本次评估所用的模型与量表版本，版本变了就按新口径重读分布，不把旧阈值直接平移。

四步复核表：改了什么、分布怎么变、线怎么定、生效到哪

以下为方法推导，前提是企业能调取更新前后的作答与人工复核记录。把复核收口到一张表，四项缺一项证据，就不算完成复核。

四项填完，旧线才可以继续使用；缺少任何一项，旧线只能当参考，不能直接沿用。

记录复核结论与生效范围，避免新旧报告混读

资料要求全链路操作日志、评分修改轨迹、面试题版本与培训记录统一存档，并定期做效度与公平性校准。复核完成后应写明结论、依据、生效时间和适用岗位族，并在报告或内部通知中标注口径变化。调整前后的分数含义不同，不能直接横向比较；需要纵向观察时，先按新旧口径分别解读，再判断差异来自候选人还是配置变化。

适用边界：调线修不好评分质量问题

以下为方法推导，前提是评分流程本身可信。若评分一致性低、行为锚点执行不一或异常复核缺失，单靠调合格线只会掩盖问题。应先修量表培训、复核流程与题库版本管理，再讨论阈值；试点阶段保留人工抽检和申诉通道。复核结论只描述本次口径与适用范围，不写成对候选人结果的保证。

常见问题

问：题库只换了几道题，也需要重新复核合格线吗？答：要看换的是不是高区分度题目、所在能力维度和难度档。若新题改变了边界段分布，就应按四步复核；若只是同档位替换且既往一致性稳定，可先小样本对照，再决定是否调线。判断依据是分布与边界样本，而不是换题数量。

问：没有更新前的评分分布，怎么判断旧线是否还能用？答：先冻结旧线并做小样本试跑，选3—5个岗位族收集均分、边界段密度与人工复核一致率，建立基线后再比较。缺少历史数据时，结论只能限定在本次样本与岗位族范围内，不能据此直接外推全公司。

问：岗位模型升级后，旧合格线应该按比例平移吗？答：不建议。模型升级往往伴随能力权重、行为锚点或量表版本变化，同一分数的含义已经不同。应先确认版本，按新口径重读评分分布与边界样本，再决定维持、上调、下调或转人工，并把版本与生效范围一并记录。

换库不是把旧线复制到新题组，而是重新确认这条线代表什么。你的团队在题库更新后，是否也先核对了评分分布与版本口径？如需把复核表落到实际流程，可访问牛客AI招聘官网了解牛客AI面试，或立即咨询体验。