我走了 Palantir 的 MLE loop，岗位在他们的 AI Platform 团队。会写得比较长，因为我准备的时候完全找不到 MLE track 的具体信息，只能靠一些泛 SWE 帖子拼出来。
流程： recruiter screen，一个 take-home（可选但他们建议做），coding screen，onsite 四轮。
take-home： 一个结构化的 ML 题。他们给了数据集和问题定义，让我做一个 classifier，分析它在哪些地方失败，并描述如果有更多时间/数据你会怎么改进。我大概花了 4 小时。他们不追求完美，更想看你怎么思考完整的 ML 生命周期：问题定义、特征、评估、生产化考量。哪怕模型指标不错，但分析很潦草，也是很差的信号。
Onsite 第 1 轮：ML design。 这是核心轮。题目是给时间序列的运维数据做异常检测系统。会问的点：怎么定义问题，哪些特征，哪些模型族，怎么处理 concept drift，线上没干净标签时怎么评估。这更像 ML system design 面试，而不是纯建模面试。要熟悉监控和部署的模式。
Onsite 第 2 轮：coding。 标准算法。一道图题和一道动态规划。完全没有 ML coding。门槛和 SWE 一样。
Onsite 第 3 轮：applied problem。 给了一个很模糊的运维问题，问 ML 能怎么解决。非常开放式。他们在测你会不会先问澄清问题还是直接开做。先问问题。
Onsite 第 4 轮：behavioral。 mission fit 真的会看。另外很多围绕「tell me about a time a model you built had an unintended consequence or was misused by a stakeholder.（讲讲你做过的某个模型出现了意料之外的后果，或被业务方误用的一次经历。）」。这块要准备一个具体故事。
Comp（senior MLE，remote）： offer 总包 340k 左右，base 大概 210k，剩下是 4 年股票。2026 年 Q1。
如果你在意 production ML 和真实世界的脏数据，Palantir MLE 会很适合。如果你想做纯研究或干净的 benchmark 题，可能不太是这里。