刚结束一个 brex ml engineer 的完整面试，趁还新鲜写一下。brex 不是 ml-first 公司，所以他们的 ml 面试结构跟纯 ml 公司（比如 spotify 或 airbnb）会不一样。
流程长这样： recruiter screen（30 分钟，常规） 由 senior 的 ml engineer 做的 ml fundamentals screen（60 分钟） coding：python 里做数据处理 + 模型评估脚本（60 分钟） system design：带 ml 味道（60 分钟） behavioral + cross-functional（45 分钟）
ml fundamentals screen： 不是刷题。他们让我把一个过去的项目从头讲到尾：怎么定义问题、怎么选特征、怎么做 offline vs online 验证。会追问像欺诈检测里的 class imbalance，以及我会怎么做 threshold selection。brex 有 payments/fraud 背景，所以举例往这个领域靠会更占便宜。
coding 轮： 没有 leetcode。他们给我一份交易数据的 csv，让我算特征、找异常、写一个基础的评估循环。pandas + sklearn。重点是：你能不能做应用型 ml，而不是考理论数学。
ml system design： 让我设计一个实时交易风险评分系统。延迟约束、feature store、模型 serving、反馈回路。我把 fintech 特有的复杂度（card-not-present fraud、velocity checks）讲得很细，这点效果不错。他们想要的是懂产品领域的工程师，不只是懂模型架构。
behavioral： fintech 常规题。比如讲一次你跟业务方对模型 readiness 有分歧；模型在 prod 里性能在退化你怎么处理。
总体感受： brex 的 ml 面试更像应用工程而不是纯研究。如果你背景偏 transformers 和论文，记得准备怎么把这些落到实际产品影响上。如果你是能把东西做上线的 ml engineer，在这会很舒服。