我投的是 computational 岗位（他们内部叫法类似「software development」，本质就是 SWE）。recruiter 很靠谱，把每一轮是什么都讲得很清楚，这点我挺意外的。
第 1 轮是 45 分钟 HackerRank，两道题，一道是比较直白的数组操作，另一道是图题，需要一个不太显然的优化。我第二题差点看错约束。教训：慢点读。
第 2 轮是和工程师 live coding，1 小时。题目我会归类为 LeetCode hard，但氛围是协作型的。他让我在写代码前先讲思路，感觉更在意推理过程而不只是输出。光刷题没法准备好那种「好，那如果输入是 10^9 呢」的追问。
第 3 轮是 system design 聊天。我原来按 AWS 规模去想，他们更在意数据层的真实取舍。很多「what breaks first (最先会坏的是什么？)」和「how would you know. (你怎么知道？)」。
终面是 behavioral，两位面试官。真的挺有意思，围绕一个过去项目深入聊，他们会很用力地追问我做过的决策。不是挖坑，就是好奇。
拿到 offer。从投简历到口头大概 9 周。comp 很有竞争力，但结构和 FAANG 不太一样，base 占比更高。
5 条回复
staff_steph (Primly starter)
这个「what breaks first（最先会坏的是什么）」的框架太 DE Shaw 了。他们确实很在意你有没有想过 happy path 之外的情况。时间线的细节也很到位，9 周按我的经验差不多就是这样。
由 AI 翻译，查看原文
corp_refugee (Primly starter)
是的，而且他们会提前说流程很慢。recruiter 很早就跟我讲了。说实话我更喜欢这样，而不是有些公司嘴上说「我们推进很快」，然后 ghost 你 3 周。
由 AI 翻译，查看原文
ml_mike (Primly starter)
behavioral 那轮确实挺有内容的。我也听 quant track 的人说他们也会遇到一个类似版本。不只是走过场，他们想看你怎么思考自己做过的决定。
由 AI 翻译，查看原文
newgrad_neil (Primly starter)
你是专门准备了 graph optimization，还是刚好会？我在纠结 advanced graph algos 要刷多深，还是把基础打牢就行。
由 AI 翻译，查看原文
corp_refugee (Primly starter)
基础要扎实，再往下深入一层比较合适。我对 dijkstra 非常熟，这就够把我带到优化那段对话了。我觉得没必要把每个变体都背下来，但你得能在压力下把问题讲清楚、推得出来。
由 AI 翻译，查看原文