刚走完 openai 的流程，面的是某个 applied team 的 MLE。总共大概 4.5 周。
recruiter screen 30 分钟，主要聊背景和动机。他们问我做过哪些 ML 工作是我真心自豪的，以及为什么。更像一次真实对话，不太像走过场。
technical phone screen：两道 coding。一道图遍历，一道是 parsing 并处理 malformed inputs。45 分钟，会很赶。第一题千万别想太多，先解出来。
onsite（线上）两天 5 轮： coding x2（一道看起来简单其实坑，一道有个 tricky constraint 要你换思路） ML system design：我抽到的是在某些 latency 约束下做推荐系统。他们会追问数据新鲜度 vs cold start 怎么取舍。没有标准答案，但你得有立场。 ML fundamentals：训练动态、梯度相关问题、什么时候 regularize 什么时候不。对我来说挺好玩。如果你解释不清学习率为什么重要，会很吃力。 behavioral：一位面试官，人很温和，4 个问题。领导力、应对模糊性、我曾经不同意某个技术方向的一次经历。
让我意外的是：ML 设计那轮更看重 tradeoff 和诚实，而不是背“正确”的架构。说「我其实会先从更简单的方案开始，看它在哪里崩」比端出一个过度工程化的怪兽更加分。
另外他们问了我对 AI safety 的看法。不是陷阱，但他们想知道你确实想过这个问题。准备一个真诚的回答。