刚结束一个 senior 的 ML 岗虚拟 onsite，一共 5 轮，在 Autopilot AI team。下面是实话实说的拆解。
形式： 一天内 5 轮背靠背（中间有一个 30 分钟休息）。全程线上，Zoom。每一轮都严格 60 分钟。
我这五轮是： Coding（算法，1 题） Coding（领域相关，涉及矩阵运算） ML system design（设计一个 perception pipeline 组件） Behavioral Hiring manager conversation（更偏战略讨论，少一些测试）
不同岗位的组合可能不一样。我有个做 product SWE 的朋友差不多同一时间 onsite，他是 2 轮 coding，1 轮 system design，1 轮 behavioral，1 轮 HM。没有第二轮领域相关 coding。所以具体 mix 取决于团队。
节奏： 一天下来很长。到第 4 轮我已经累了。这真的会影响发挥。带好水。把休息当回事。我那 30 分钟吃了点正经东西，确实有用。
面试官： 都是实际团队的工程师或 engineering lead，不是 HR 也不是泛化的面试官。有一个 coding 面试官在 Tesla 的 Autopilot software 做了 4 年。这意味着题目贴近真实问题，但也意味着他们有很强的观点。我提出一个方案时，他们会用「我们其实试过这个，然后在 X 上踩坑了」来 push back。这既有挑战，也挺好，因为你能拿到他们思考方式的真实信号。
最重要的是什么： 以我的经验，behavioral 和 HM 在最后 debrief 里的权重很高，不只是 coding 分数。Tesla 看起来很看重文化契合和 drive。我有个朋友 coding 轮都很强，但 behavioral 里显得比较被动，最后没拿到 offer。我认识的另一个人有一题 coding 翻车了，但在 behavioral 和 HM 里很犀利、很直接，最后反而过了。
onsite 之后的时间线： 他们说 5-7 个工作日。实际是第 9 个工作日给回复。中间发过一封延期邮件。别过度解读延迟。