最近并行面了几家公司：两家大厂和三家 Series B/C startup。想分享下题型到底长什么样，因为差距比我想的更大。
大厂（一个 FAANG，一个大型 fintech）：
两家都有专门的 SQL 轮。但不是那种「写个 select」的测试，而是多步骤分析题：比如做 7 天 rolling retention 指标，找漏斗里掉点在哪（事件数据很脏），处理因为 pipeline bug 导致的重复行。有一家甚至在 loop 开始前就给了我一个 30 分钟 take-home SQL 题。
ML system design 是来真的。我得设计一个双边市场的实验平台：怎么在 A/B test 里检测 network effects，你的 variance reduction 策略是什么，怎么设置 guardrail metrics。这需要真实知识，不是堆 ML 术语。
概率统计在两家都比较轻。一题 expected value，一题 Bayesian updating。比我预期的少。
Startup（都在 Series B 或 C，150-600 人）：
没有专门的 ML system design 轮。有一家让我讲我做过的一个模型，以及会怎么 productionize，但更像聊天，不是结构化面试。
SQL 更简单，但会加一个「那你看到这个结果接下来会怎么做」的追问，大厂不会这么明确地问。他们想看你能不能实时把输出连接到业务决策。
三家 product sense 都很重。有一家最后一轮 founder 直接参与，让我诊断一个关键指标下滑，但这个指标之前从没聊过。只给数字，没有上下文。
有一家 startup 问我定价实验里的 causal inference，这个挺意外。
Comp 大致范围： 大厂：$160k-$215k base，偏 MLE 的 data science 岗。跨度很大。 Startup：$130k-$165k base，equity 给得有诚意，但可能有用也可能没用。
如果你对某一轮有具体问题我也愿意答。