几个月前走了 Roblox 的 MLE 全套面试。拿到 offer 但没接（团队匹配不太适合我），不过流程挺有意思，写下来给大家参考。
Roblox 的 ML 主要做推荐系统和内容审核。他们最核心的 ML 场景是发现页 feed（游戏/体验）、广告排序，以及安全与信任相关系统。如果你是冲着聊 LLM 来的，可能会有点意外。整体更偏经典推荐系统和分类。
面试轮次：
Coding：一轮 LC 风格，难度中等。coding 轮没有 ML 相关内容，就是通用的 DS+A。我遇到的是图题（最短路径变体），很常规。
ML design：这才是重头戏。让我设计 Roblox 首页的推荐系统。需要处理冷启动（新用户没历史）、在参与度和创作者多样性之间做平衡，还要能规模化（他们 MAU 上亿）。他们很看重你怎么定义目标函数，第一阶段会优化哪些代理指标，以及你会用什么作为成功的领先指标。确保你能聊 embedding 模型、two-tower 架构、近似最近邻检索。还有：线上 vs. 线下评估、A/B 测试设计。
ML breadth：一轮偏聊天式。他们问了我对不同模型类型的经验、稀疏数据的特征工程、以及我过往工作里的一个 case。提到了「Tell me about a model you shipped and what happened after you shipped it」（说说你上线过的一个模型，以及上线后发生了什么）。他们想听监控、漂移、失效模式。
Behavioral：挺常规。有个具体问题是「tell me about a time you had to push back on a product decision because the ML wasn't ready.」（说说你因为 ML 还没准备好而不得不对一个产品决策提出反对的经历。）这看起来确实是 Roblox 的常见情况。他们产品团队想快速迭代，但 ML 需要更多跑道，这种拉扯是真实存在的。
我这个 offer 的薪酬（senior MLE 级别，San Mateo）：Base 是 $195k，RSU 分 4 年。加上第一年的股票 tranche，第一年总包在 $280-300k 区间。湾区算合理，但同级别比 Google/Meta 低。
如果你背景是 ads-recsys 或内容安全 ML，这会是自然匹配。如果你背景纯 CV 或 LLM finetuning，设计轮里预计要做一些「翻译」工作。