我在 2026 年 Q1 走完了 Google 的 MLE 面试，L5，Mountain View。团队在 Ads 方向。分享一下是因为我准备时只能拼凑 4 年前的帖子，而流程已经变了。
整个 loop 5 轮：
Coding（x2）： 标准 SWE 算法题。coding 轮不会给 ML 专属题。一题是经典 heap，一题是 DP，我本来以为要翻车但最后救回来了。Google 的 MLE coding 难度和 SWE 一样。如果你过去两年一直埋头 PyTorch 导致手生，立刻去刷 Neetcode。这不是可选项。
ML Design： 从零设计一个 click-through rate 预测系统。覆盖：问题定义（二分类）、稀疏类别特征的 feature engineering（user/item IDs）、模型选择（logistic regression vs. GBDT vs. neural）、训练 pipeline、离线 vs. 在线评估、以及部署。他们在概率校准上问得很深，说明面试官是真懂。Ads 相关岗位要知道 ad auction 机制和 CTR 模型怎么相互影响的基础。
ML Theory： 夹杂 ML 基础。bias-variance tradeoff、gradient descent 的变体、训练集 class imbalance 会怎样、precision vs. recall 的取舍。然后问了一个：模型离线表现很好，但上线后很快变差你会怎么 debug（concept drift）。最后这个问题我见过很多人卡住。你要有一套诊断模型退化的心智框架。
Behavioral： Googleyness。冲突、领导力、模糊性处理。没有 MLE 专属内容。准备强一点的 STAR 故事。
从 recruiter screen 到 offer 大概 6 周。ML design 这一轮我感觉最被重点评估。Mountain View L5 的 TC 大概 $380k。我参考了网上的 market comps 以为会更高，但团队和 scope 感觉很合适。
有具体轮次想问的随便提。ML design 那轮覆盖面很大。