我在 2026 年 Q1 面了 DoorDash 的 MLE，岗位在他们某个 prediction team（我目标是 ETA/logistics 这边的 ML，不是 ads）。写下来是因为网上的 MLE 面试内容大多很泛，而 DoorDash 的风格很具体。
先说一句：这个岗位的成熟度是真的。他们的 ML infrastructure 确实扎实。如果你只见过创业公司早期的 ML，在 system design 那轮会明显感觉到差距。
整个 loop（senior MLE，对标 IC5）：
Coding（45 分钟）： Leetcode 风格，中等难度。完全不 ML-specific。我的是一道图题。他们就是想确认你能写代码，仅此而已。偏好 Python 但不是硬性要求。
ML fundamentals（45 分钟）： 不是那种泛泛的“explain gradient descent（解释梯度下降）”聊天。他们会挖很深。我被问到：如何在生产模型里检测并处理 distribution shift，你对稀疏特征集的 feature importance 怎么做，如果你关心的指标（total orders）滞后于 proxy metric，你会怎么为 ranking 模型变更设计 A/B test。因果推断的基础要懂。
ML system design（60 分钟）： 设计一个给 DoorDash 首页 feed 做餐厅排序的系统。这是核心轮。他们想看：问题定义、特征工程（有哪些信号，你会采集什么）、模型选择与取舍、offline vs online 评估、模型如何在生产里更新、以及你怎么抓 silent failure。我画了完整的 pipeline，光是 offline-online 指标差距我们就聊了 20 分钟。
Behavioral（45 分钟）： DoorDash 的 behavioral 风格。偏 impact。属于“Tell me about the last model you shipped and what happened six months later（讲讲你最近一次上线的模型，以及六个月后发生了什么）”这种题。他们很在意上线后的 owner 意识。
Cross-functional（30 分钟）： 当模型做出意外行为时，你怎么和 ops、product 协作。偏真实场景题。
我本身是 recsys 背景（推荐系统、embedding model），挺匹配。ETA 这边更像 time-series 加 survival analysis 的味道。
我拿到的 comp offer（SF，2026）：base $210k，25% bonus target，RSU 按 4 年总计 $280k 估值。第一年 total TC 大概 $280k。