走完了 Salesforce 的 MLE 面试流程，团队是 Einstein AI/ML platform。我会直说哪些好，哪些烦。
流程：
5 轮。recruiter screen，然后：
coding：CoderPad 上的标准算法题，中等难度，图遍历。如果你是有工程底子的 MLE，这轮没问题。他们不是想和 FAANG 那套刷题比拼，但确实要看到你能顺畅写代码。
ML system design：这是最有意思的一轮。他们给我的题是：设计一个模型来预测哪些 CRM opportunities 可能在未来 30 天内 close。这基本就是 Einstein Sales Cloud 的功能，很合理。他们想看你能否覆盖：问题定义、feature engineering（CRM 里哪些信号有意义）、训练数据构建（用历史 close 数据打标签、survivorship bias、leakage）、模型选择和 trade-off（gradient boosting vs. 更可解释的方案，因为销售需要信任输出）、评估指标（某个阈值下的 precision/recall vs. ranking）、以及部署和监控。
部署和监控这部分从我复盘的聊天来看，会让不少人措手不及。要知道你会怎么在生产环境检测模型退化，以及你会怎么处理。
ML depth：一个 senior MLE 会对我过往项目问得很深。他们想下探 3 层：你做了什么，为什么这么选，现在会怎么做。带一个你从头到尾都真的懂的项目。别糊弄。
behavioral：STAR 故事。具体包括：一次你上线了技术上不完美但当下最合适的东西；一次你在建模方案上和 manager 有分歧；一次你需要跨团队把东西部署上线。
hiring manager：更轻松。聊团队背景、成长路径、以及他们怎么看组织的 ML 成熟度。
我会怎么准备：在 Salesforce，对 MLE 来说，ML system design 才是分水岭。他们在想真实的 B2B CRM 用例，所以提前想一些这类预测任务会很有帮助：lead scoring、churn、next best action。以及从结构化 CRM 数据做特征（活动日志、deal stage 迁移、邮件模式）。还有，认真准备你的部署和监控故事。
comp 在同级别的 enterprise 公司里算有竞争力。我的 offer 是 $185k base + RSUs，Bay Area/remote hybrid。