三周前刚结束 HF DE loop。没拿到 offer，但流程很扎实，我也从中学到了不少，所以把完整拆解写出来。
我是通过 LinkedIn 投的，差不多 10 天后 recruiter 主动联系。岗位在 dataset infrastructure team，具体是围绕 Datasets library 和大规模训练数据的 ingestion pipeline。
phone screen（45 分钟，工程师主导） 不是我以为的 recruiter screen，而是直接对接 senior 的 engineer。先聊 10 分钟背景，然后进入一个短 technical 题：设计一个 deduplication pipeline，用来处理一个很大的文本语料库，不能把全量加载进内存。他们想听 hashing 的思路、bloom filter、streaming。没啥特别花的，但你得真懂。
SQL round（60 分钟） 两道题。第一道比较基础的聚合（过去 30 天下载次数超过 X 次的数据集有多少，按语言分组）。第二道更复杂：给两张表，一张是 training data lineage，一张是 eval splits，找出 fine-tune dataset 和 eval set overlap 超过 5% 的 model checkpoints。难点在 join 逻辑。他们用 postgres。
system design（60 分钟） 设计一个 pipeline，持续 ingestion 并给社区贡献的新数据集做版本管理。他们在意：幂等、处理 schema drift、追踪数据 provenance、可扩展性。我花了时间讲 versioning layer，他们似乎挺认可的。他们还特意问：如果贡献者上传了 malformed 数据，怎么处理才能不把整个 pipeline 搞挂。
behavioral（45 分钟） 跟一个 EM。主要聊你怎么处理 ambiguity 和跨团队合作。有一个问题把我问住了："tell me about a time your pipeline broke in a way that affected a downstream team.（讲讲你的一次经历：你负责的 pipeline 出故障，并影响到了下游团队。）" 这题最好准备一个很具体的故事。
timeline：第 0 天投递，第 11 天第一次电话，第 23-29 天完成 loop（分散在一周里），9 天后收到结果。速度还可以。他们提到的 comp range 是 remote US 的 senior 岗位 $160-195k base。