面了 Cisco 的 MLE 全流程，岗位在他们 AI/ML 组，做的是 network anomaly detection 和 predictive maintenance。不是那种热门 LLM，但如果你喜欢应用型 ML，这个领域其实挺有意思。
这是我在 2026 的实际流程：
Technical screen（45 分钟）：ML 基础。Precision vs. recall，什么时候优化哪个，怎么处理 class imbalance。给了个场景：你在做网络入侵检测，false positive 很烦人，false negative 是灾难。你怎么调 threshold？走一遍数学。
Coding（60 分钟）：不是 LeetCode，更像应用型 ML coding。给我一段 dataset 描述，让我写代码训练一个 baseline model、做评估、再给出改进建议。Python、sklearn、pandas。对有 3 年以上实战 ML 经验的人来说难度挺合理。
ML system design（60 分钟）：设计一个实时的异常检测 pipeline 处理网络流量。每分钟 10M+ events，需要亚秒级告警延迟。这轮我觉得最有趣。聊了网络数据的特征工程、online vs. offline learning、模型服务基础设施、网络攻击模式变化时怎么处理 concept drift。
Behavioral（45 分钟）：STAR。一个你端到端负责的项目、一次你模型在线上失败的经历、以及你怎么把不确定性讲给非技术 stakeholder 听。最后这题在 Cisco 很常见，因为你经常要跟不懂 ML 的 network ops 同事沟通。
Research/domain（可选，他们这么叫）：因为我发过一篇和 anomaly detection 相邻方向的 paper，他们加了 30 分钟，基本就是技术聊天。不确定是标准流程还是针对我的 profile。
最重要的是：system design 和生产环境思维。他们不是做 hobby model。他们想要见过模型在生产里出问题的人，并且对监控、retraining 触发条件、以及 streaming 场景下的评估有自己的观点。
senior MLE 在 San Jose 的 comp：我拿到的 offer 大概是 $195k base，再叠加常规 bonus 和 RSU 结构。这个 level 我觉得挺合理。