走完 HF 的完整流程面 ML Engineer，这是实际经历

刚结束（也拿到了）Hugging Face 的 ML Engineer 全流程 offer。趁记忆还新鲜写一下。

我这边总共 5 个阶段： Recruiter call，30 分钟。标准流程。他们很早就问到 open-source 相关经历，并且具体问我在生产环境用过哪些 HF repo。 Hiring manager intro，45 分钟。比我预期更偏技术。我们聊到 fine-tuning 的取舍细节，我需要为我在过去项目里做的一些选择做辩护。 Take-home assessment，72 小时。他们给你一个数据集和一个很模糊的问题描述。这种模糊是故意的。他们想看你怎么做范围界定，而不只是会不会跑训练。我提交的是大约 2,000 字的 write-up 加一个 notebook。我大概花了 12 小时。 针对 take-home 的 technical deep-dive，60 分钟。两位 reviewer。他们会把我每个假设都追问得很细。不是对抗式的，但是真的好奇。有一个还让我现场重做我方案里的一部分。 Values/team fit，45 分钟。开放式聊合作方式（异步工作）、如何和协作者产生分歧、过去的 open-source 参与。

Take-home 才是真正的筛选点。我聊过的很多被拒的人反馈都是 scope 不够清晰。write-up 和代码一样要花时间。他们真的会读。