我 2 月走完了 Apple MLE 的完整 loop，团队是 Siri/Foundation Models。ICT5 level。分享一下，因为网上的 ML 面试准备建议太杂了，而 Apple 的风格确实和 Google/Meta 不太一样。
Loop 结构。 总共六轮：recruiter screen，ML phone screen，然后四轮 onsite。onsite 分别是：ML theory/fundamentals，ML system design，coding，behavioral。
ML phone screen。 和一个 senior MLE 面 1 小时。一半概率/统计（Bayes theorem、bias-variance tradeoff、过度正则化会怎样），一半 ML 概念（gradient descent 到底怎么工作、从第一性原理解释 attention）。不是抓细碎知识点。他们想看你能不能推理。我被要求手推 softmax gradient。这可能是团队特化的，所以别慌，你的可能不一样。
ML theory 轮。 很深。我们花了 25 分钟聊 transformer 架构（attention 机制、positional encoding、为什么 layer norm 放在 attention 前 vs 后）。然后是一道概率题：给一串有偏硬币的投掷序列，推导 bias 的 maximum likelihood estimate。他们明确说可以用计算器，他们想看推理过程。
ML system design。 "Design a personalized notification ranking system for Apple devices."（为 Apple 设备设计一个个性化通知排序系统）这一轮核心是取舍：on-device inference vs server-side、隐私约束（Apple 对这点很执念）、延迟预算、以及怎么处理新用户 cold-start。隐私不是装饰。他们会追问你用什么数据、数据会不会离开设备。你要对 federated learning 或 differential privacy 有能落地的回答。
Coding 轮。 中等偏难 LC。我拿到的是一道图题。不是 ML 专项，就是标准 DS&A。别低估这轮。
和我做过的其他 MLE 面试相比，最大的不同： 隐私是绝对核心，不是打勾项。他们也非常在意你怎么在生产环境评估模型，而不仅是离线。online A/B test 设计、处理分布漂移、在用户投诉前发现模型退化。这些话题在两轮里都出现了。
从第一次联系到 verbal offer 总共 11 周。