今年早些时候面了 citadel quantitative strategies 的 MLE。这个岗位是 senior 级别，所以请带着这个视角看。分享我记得的内容，不是润色过的版本。
recruiter screen：很短，可能 20 分钟。他们问了我的 ML 背景、做过哪些 domain，以及我是否能同时覆盖 research 和 production。也提到这个岗位更偏 production，而不是纯研究。
technical screen 1：ML systems + coding 这是最有意思的一轮。他们给了个问题，让我为 time-series prediction 设计并实现一个简单的 feature pipeline。不是完整训练流程，只是 feature engineering 部分。我用 python 写的。他们问我为什么在 windowing、normalization、缺失值处理上做这些选择。然后让我讲怎么把它带到生产：serving latency、retraining cadence、监控 distribution shift。
如果你没认真想过 monitoring 和 drift detection，这里会明显感觉到差距。
technical screen 2：applied ML concepts 不写代码，更像对话。他们问具体模型家族：为什么某些问题选 gradient boosting 而不是 neural net，怎么处理 class imbalance，模型在生产中跑 6 周后性能下降你会怎么办。有一道我没预料到的问题：你怎么向一个不关心 ML 的 trader 解释模型决策？
onsite：四轮。一轮是完整的 ML platform feature system design（online learning、近实时推理）。一轮是更偏数据结构/算法的 coding。还有一轮深入聊我上线过的一个项目，最后一轮 behavioral。
coding 那轮说实话有点突兀。它比流程其他部分更像 leetcode，而其他轮都很偏应用。如果你来自纯 research，比你想的更需要补 CS fundamentals。
我这个级别的 comp：base 大概 $265k，bonus 很大但不固定。总包远高于大多数大厂 ML 岗，但 bonus 真的不保证。
citadel 的 MLE 面试很难，但测的都是真东西。没什么 leetcode 表演，主要看你能不能在压力下推理 production ML。