这是 2026 年 9 月写下的一次复盘。当时刚从实习回来，开始准备全职，面完一场 MLE，趁还记得就记了下来。

项目聊得还算顺，ML 基础没答好。有些东西以前学过，但真让现场讲，和“我记得我会”完全是两回事。下面只聊自己的表现，不写具体题目或公司流程。

当时准备到了哪一步

去年找实习时刷过一些 LeetCode，但我自己的水平也就一般。ML 基础和 system design 没有完整过一遍，ML coding 更是没怎么系统练。

这场面试看得比较广，不只是我最近在做的方向。面试官挺好，我卡住时给了不少提示。但给到提示还接不上，确实就是自己没准备到位。

聊项目时，具体的东西比较好讲

聊的是实习里做的推荐系统 retrieval：当时遇到了什么问题，为什么选那样的模型和架构，训练资源、计算成本，以及 serving 的要求怎么影响选择。我也讲了实验里看到的现象和自己的判断。

这部分有自己做过的东西可以说，比背一个“标准项目故事”自然一些。不过也得分清哪些是观察、哪些只是猜测，哪些是我的工作。

问到有没有上线，我如实说了交付范围：那套架构没有上线。这件事就按实际情况讲，不需要绕开。

有一段，我没反应过来

聊到一个最近受关注的方向，我说了我们尝试时遇到的问题，以及为什么在当时的约束和项目周期里没继续走那条路。面试官说，他们在自己的业务里已经有相应的方案了。

我当时愣了一下，没把话接好。

后来想想，我真正想说的不是“这个方向做不了”，而是“我们当时的条件下没有走通”。数据、计算预算、latency、内容更新频率都可能不一样。如果能问一句他们当时怎么处理这些取舍，应该能聊出不少东西。

这段是我表达的问题。脑子里有前提，但讲的时候没把前提交代清楚，对方听到的就可能是另一个结论。

基础知识，确实得补

后面问到更广的 ML 基础，包括一些传统模型，我就开始卡了。以前学过，平时又很少用，不能指望面试时自己突然想起来。

这也是我第一次面国内大厂。之前听说会问得比较全，还是没认真准备够。一次经历不能说明所有公司的风格，但至少让我知道，下一场不能只看自己项目附近的那几个知识点。

我想补的不只是“看到答案觉得眼熟”，而是能不看材料讲出基本原理、什么时候用、哪里会出问题。否则换个问法，还是容易露馅。

用中文讲技术，也要练

我的 coding 和 ML 基本是用英文学的。这次主要用中文聊，一些词要临场转换，明明知道想说什么，嘴上会慢半拍。

这不是没答好的主要原因，但确实可以单独练。以后复习一个概念，除了看懂，也试着用两种语言各讲一遍。常用术语保留英文没关系，把中间那段解释讲顺就行。

记下来以后

这场和我的经历不是特别匹配，准备也不够。对我有用的几件事已经很明确：基础知识要补宽一点，讲方案时先交代条件，中文表达也得练。

当时还面了两个 Research Scientist（RS）岗位，之后有整理好的想法再补。先把这场暴露出来的问题记住，不用急着给自己下一个总评。