2026 年初走了 Mistral 的 DS loop，岗位在 inference analytics team。通过 LinkedIn 投的，大概 10 天就有回复。想分享一下，因为我当时准备时几乎找不到任何对他们 DS 流程有用的信息。
recruiter call 很标准，大概 25 分钟，聊背景、why Mistral、粗略时间线。她很直接地说团队很小，如果他们想要你，推进会很快。
和团队 DS 的 phone screen 45 分钟，一半技术一半 fit。一上来就是 SQL。他们给了一个分析模型使用数据的 prompt：写一个 query 找出这些用户，他们的 API 调用量周环比下降超过 40%，并且连续至少两周。会用到 window function、CTE 这些常规东西。不刁钻，但你得真的会 SQL，不是模糊记得。
第二部分是 stats 题。他们问你怎么检测一个新模型版本在 long-tail prompts 上的表现是否和主分布不同。他们想听到分层抽样（stratified sampling），不只是看整体平均。我提了 Mann-Whitney U，他们看起来挺满意，因为我没有上来就说 t-test。
case 轮 这轮最有意思。他们的框架是：Mistral 要推出一个新的 API 定价档位。你怎么衡量它是在蚕食（cannibalize）更高毛利的档位，还是在扩大整体市场？带我们过一遍你的分析计划。
他们重点看你有没有考虑因果推断 vs 纯相关性、你需要哪些数据、以及你怎么把结论讲给非 DS 的 stakeholder。我在 stakeholder 沟通那块有点翻车。这个值得准备。
Onsite（4 轮，巴黎 remote，Zoom） Product sense、更深的 stats 轮（大规模 A/B testing、低流量分群时 Bayesian vs frequentist 什么时候用）、一轮偏 system design-light（你会怎么搭一个 LLM 输出的实时评估 pipeline），以及 behavioral。
behavioral 轮感觉是真的好奇，不是套公式。他们问我一次我反驳 stakeholder 对数据解读的经历，想要具体细节，不要被打磨过的故事。
从第一次联系到 offer：大概 5.5 周。offer 是周五来的。