这就是我当时准备时希望有人写出来的帖子。我在 2026 年 2 月通过了 HF MLE loop 并接受了 offer，分享一些细节。
岗位背景： 团队做 model evaluation infrastructure，具体是搭建系统，在 hub 上以规模化方式跑 benchmark suites。所以不是纯研究，是有真实工程约束的 applied ML。
round 1：ML fundamentals（60 分钟） 这更像 senior 的 ML screen，而不是 research screen。他们考的是广度，不是深度。问题覆盖： 解释 autoregressive 和 masked language models 在不同 downstream tasks 上的取舍。 你在跑一个 eval suite，看到 model A 在 MMLU 上胜过 model B，但 B 在 human preference 上胜过 A。你怎么解读？ 一个 fine-tuned model 在 RLHF 之后在 base task 上退化了。可能原因是什么，你怎么 debug？
没有那种「implement backprop from scratch（从零实现反向传播）」类型的问题。他们想看你能清晰地思考真实问题。
round 2：coding（90 分钟） 两道题。第一道是算法题（tree traversal 变体），中等难度。第二道更偏 ML：实现一个简单的 evaluation harness，可以在 dataset 上跑 model 并计算多个指标，同时能处理单个样本出错而不让整个 eval 停掉。第二题非常 HF 风格，值得提前想清楚。
round 3：ML system design（60 分钟） 设计一个系统：当新的 model versions 上传到 hub 时，持续跑 model benchmarks。约束很有意思：compute 很贵，有些 benchmarks 很慢，model 尺寸差异巨大，而且要处理 community models（不可信代码）。scheduling 沙箱化、优先级队列、缓存部分结果、以及如何把结果展示给用户，都是我们聊到的点。我听说这一轮把同批候选人拉开差距。
round 4：behavioral（45 分钟） 和一位 principal engineer。主要聊 research-to-production 的张力，以及当「正确」的方案要花「够用」方案 3 倍时间时我怎么处理。他们还问了我对 eval metrics 的理念，我觉得这对 behavioral 来说是个挺有洞察的问题。
offer：$205k base + performance bonus，remote US。equity 很少。如果你真认同 open-source ML ecosystem 的使命，这份工作是值得的。