今年早些时候走了 Zoom 的 ML engineer 面试 loop，岗位在他们 AI/ML 团队，做实时音视频增强。分享一下，因为这个流程和标准的 FAANG MLE loop 有点不一样。
先说下范围：Zoom 的 ML 工作大致分两块：一块偏 applied science（提升通话质量、降噪、背景虚化、VB、唇形同步检测），另一块是更传统的 SaaS ML（会议总结、转写、AI Companion 功能）。我面的是前者，所以后者的情况可能会不一样。
流程结构：
Recruiter + HM screen：常规。会问背景、你把哪些模型上线到生产、以及有没有延迟受限（latency-constrained）的推理经验。最后这点对音视频方向非常重要。
ML breadth round：60 分钟技术讨论，不写代码。覆盖的话题：bias-variance tradeoff、正则化、梯度下降的变体、我会怎么处理训练集 class imbalance，以及一个关于评估 ranking model 的问题。没什么很奇怪的东西，但 follow-up 会追得很深。基础要很扎实。
Coding round：两道题。一道标准的 LC medium（我拿到的是图遍历）。另一道偏 ML：给一个事件流，实现带约束的在线 moving average。第二题更有意思，本质是在看你能不能写出干净的数值代码。
ML system design：设计一个用于实时音频的自动降噪系统。这轮含金量最大。他们想看：你如何定义问题（监督还是无监督，要收集什么 label）、高层模型架构（提到了深度学习背景但不强制）、如何在端上 vs. 服务端处理推理延迟、以及上线后怎么评估和监控质量。我聊了很多 SNR、PESQ 指标，还有用 A/B 测试评估通话质量。要能具体讲清楚 latency budget。
Behavioral：5 个问题，全是 behavioral，标准 STAR。其中一个专门问你模型在生产环境表现不达预期的一次经历。这个要准备一个真实故事。
门槛感觉在 senior 中档偏 mid-level。算法强度比 Amazon 或 Google 的 MLE loop 轻一些，但对实时 ML 和延迟约束的领域知识是默认你要懂的。如果你来自纯 NLP 或 recsys，没有信号处理背景，建议至少把音频 ML 的概念层面补一补。