Anthropic 机器学习工程师面试题汇总 | 147 道真实面经

💡 核心要点 (Key Takeaways)

• 电面 55 分钟且可以 5 选 1：Coding / ML Programming / Coding & Design / 分布式 / Agents，官方建议选你最能 shine 的方向
• Coding 在 CodeSignal 上进行，明确禁止 AI 工具，但允许查 Google 和 Stack Overflow
• Design 高频是 LLM Inference API：请求 combine 成 batch 发 GPU（一个 GPU 同时只处理一个 batch），follow-up 会追 KV Cache、10MB+ 长 prompt、成本感知
• 4-5 小时 ML Take Home：探索性研究 + 训练评估基础模型，之后 40 分钟 live review 含 10 分钟 presentation
• Agents 方向考写 agent loop：给 starter code 只支持单次 tool call，要扩到多步推理 + 多 tool call，再优化回合数
• Culture 硬门槛：AI Safety、坚持原则不做你认为错的事、humility（不喜欢 hero engineer）
• 分两天的 VO 如果前几轮表现一般，最后一轮可能直接不给面——每一轮都要过线，不是平均分

一、Anthropic MLE 面试流程 — 电面可以 5 选 1

Anthropic 的 MLE 流程和 SWE 最大的区别在电面：官方邮件明确说「we'd love to offer you a choice between the following interviews (all conducted in Python)」，并且建议「pick an interview you might shine at」。真实出现过的 6 个选项是： 1. Coding problem-solving — 纯编程，「not quite Leetcode」，强调 execution 和 problem-solving velocity，用 Python 标准库解 multi-stage 问题 2. ML Programming — 约 40 分钟编程题 + 配套短 ML 问题，官方明说熟悉 sequence models 和 QKV attention 有帮助，鼓励会 einsum、能读数学公式 3. Coding & Design — 用 Python 写代码的 coding + design 混合练习，推荐 Google Colab；「we don't specifically test your LLM knowledge here. We'll give you all the context you need」 4. Coding / Distributed systems — 考 distributed systems 的效率思维：parallel computation、network efficiency、map-reduce 这类 pattern 5. Agents/Coding — 用 LLM 作为 building block 写代码、prompting 造 agent，要求概念上熟悉 Tool Use 和 Agents；open-book，提供 starter code，不需要背 API 语法 选型的策略：你的短板方向绝对不要选——电面挂了后面都免谈。ML 背景强但 system 弱，选 ML Programming；engineering 背景强，选 Coding & Design 或 Distributed；对 agent 开发有真实项目经验，选 Agents（open-book 对熟手是优势）。技术轮「都是原题，很多帖子也都提到了」，所以选题后按该方向把经典题吃透。 Onsite 阶段，infra 方向的 design 是 55 分钟独立一轮。EM 岗位（General EM）则没有传统 design，是 design review，轮次结构是 Execution and Leadership、Technical Presentation、People、Design Review、Culture Fit。 流程节奏上有两个信号值得注意：一位候选人 12 月海投后很快被 recruiter 联系并直接安排电面（同时收到 OA 但没做）；另一位 1 月中旬电面、三天后拿到 VO。另一个更重要的信号：有候选人反馈 HM 轮是中间隔一天单独面的，「听说这种分两天的前几轮面的不好最后一轮直接不给面」——Anthropic 的轮次是门槛制，不是平均分制，任何一轮掉线都可能直接终止流程。

• 电面 55 分钟，5（-6）选 1，官方建议选最能 shine 的方向
• ML Programming 考 QKV attention / sequence models / einsum
• Agents 方向 open-book + starter code，不考背 API
• EM 岗位：EL / Tech Presentation / People / Design Review / Culture Fit
• 轮次是门槛制：分两天的 VO 前几轮不好，最后一轮可能直接取消

二、Coding 轮：高频题清单与环境规则

环境规则先说清楚，因为 Anthropic 的 coding 环境限制比一般公司多：平台默认 CodeSignal（Python 3.10），可能要求 Google Meet 共享屏幕——官方 prompt 专门提醒「很多人遇到浏览器权限问题，建议面试前先自己开一个 meet 测试屏幕共享」。AI 工具明确不允许，但 Google、Stack Overflow 允许。这条规则意味着：所有「背下来」的东西（标准库 API、常见 pattern）必须是真的会，不能靠工具补。 高频 coding 题（2026 年信号）：

• batchstring(list<string> input) → list<string> — GPU batch 处理字符串，follow-up 考 cpu bound vs io bound、怎么扩展到分布式
• Dedup（去重）— 截至 2025.9 仍是 Q2 高频，follow-up 同上
• Tokenize — longest match 分词，考两轮优化（最大词长剪枝、合并连续 UNK）
• Web Crawler — crawl(startUrl, htmlParser)，BFS 爬取（queue = deque([startUrl])）
• Agent Loop — 用 tools 回答股票价格计算问题，starter code 只支持单次 tool call，要扩到多步推理 + 多次 tool call，第二部分优化回合数
• ML 短问题 — 配合 ML Programming 方向：QKV attention 手推、einsum 表达、sequence model 结构

三、两道真题详解 — batchstring 与 Agent Loop

1. batchstring — 一道披着 batch 外衣的 GPU 调度题 输入一组字符串，要求 batch 处理返回结果。表面是字符串处理，真实考点在 GPU 行为模型：有候选人总结「GPU 和 CPU 的运行原理不太一样，比如 GPU 是 memory bound，大部分时间花在 load model into memory，所以处理 10 strings 和处理 100 strings 时间差不多」。面试中要能主动讲出这层：小 batch 的开销主要在 model load 和 kernel launch，所以 batching 的收益来自摊薄固定开销——这直接衔接 design 轮的 batching 设计。follow-up 链：cpu bound vs io bound 怎么判断？这个 batch 逻辑放到分布式系统怎么实现（分片、结果聚合、失败重试）？ 2. Agent Loop — 从单次 tool call 到多步推理 题目让你写一个 claude agent loop，用 tools 回答关于股票价格计算的问题。提供的 starter code 只支持单次 tool call 就能回答的简单 query，你要写一个 agent loop 让 agent 处理需要多步推理或多次 tool call 的复杂问题。考察点：(a) 理解 LLM 输出里的 tool call 结构、执行结果怎么回填进对话；(b) loop 的终止条件（agent 不再请求工具、达到最大步数、错误处理）；(c) 多步推理中 context 怎么管理。第二部分要求优化 agent 减少回答问题所需的回合数——这部分涉及 prompt engineering（比如让 agent 一次请求多个数据源）和结构优化。候选人建议：提前读 Claude 官方文档里 tool call 和 agent loop 的部分，虽然 open-book，但现场翻文档的时间是有限资源。

• batchstring 的真实考点：GPU memory bound、model load 固定开销、batching 摊薄逻辑
• follow-up 固定链：cpu/io bound 判断 → 分布式扩展
• Agent Loop 三考点：tool call 回填、终止条件、context 管理
• 优化回合数 = prompt engineering + 结构优化，提前读官方文档

四、Design 轮：LLM Inference API 是绝对主角

2026 年 Anthropic MLE/infra 的 design 信号高度集中在一条线上：LLM Inference 基础设施。 核心题：Design an LLM API。真实出现过的题目描述：「design LLM API，需要 combine API request 发给 backend GPU，一个 GPU 只能 process 一个 batch at a time」。这道题的完整考察链：请求接入 → 动态 batching（哪些请求可以合并成一个 batch）→ 调度到 GPU → 响应拆分回各请求。一个候选人复盘说「自我觉得啥都考虑到了，从 service 内部实现到不同 level 的 routing、load balancing、race condition，面试官面的时候都说好，完了给我拒了」——说明这道题的 bar 在于细节的严谨性（比如 batch 内请求长度差异对 padding 成本的影响、超时请求的抢占策略），而不是覆盖面。 固定 follow-up 三件套（多位候选人遇到）： - 有哪些 core entities，之间的关系，怎么 index - 特别长的 prompt（10MB+）怎么处理 - 用户开了很多窗口、每个都是特别长的 prompt、client 本地性能不好，如何提升 UX 高频考点清单（从面经信号直接提取）：Throughput vs Latency 的取舍、GPU 利用率、KV Cache（跨请求复用、显存预算）、Batching / Micro-batching、Prefill / Decode 分阶段动态 batch、请求拆分 + 合并、成本感知（$/token）。 另一条线：Experiment Design。有候选人 onsite 考到「如何设计 controlled experiment 去理解怎么样训练 LLM」——这是 MLE 区别于 SWE 的题型，要能讲清楚实验假设、控制变量、评估指标和置信度，而不是只讲系统架构。 回答框架：clarify（QPS、延迟 SLA、模型规模）→ 请求生命周期（ingest → batch → schedule → GPU → response）→ batching 策略与 trade-off → KV Cache 与显存 → 失败与重试 → 成本与监控。最后 5 分钟主动讨论瓶颈和扩展路径。

• 核心题：LLM API — combine requests 成 batch，GPU 一次一个 batch
• bar 在细节严谨性：padding 成本、超时抢占、batch 内异构长度
• 固定 follow-up：core entities/index、10MB+ 长 prompt、多窗口 UX
• 考点：Throughput vs Latency、KV Cache、Micro-batching、Prefill/Decode、$/token
• MLE 专属：Experiment Design（controlled experiment 理解 LLM 训练）

五、ML Take Home：4-5 小时 + 现场 Presentation

ML Take Home 是 Anthropic MLE 流程里最重的一环。官方 prompt 信息量很大，逐条拆： 时长与环境：官方 prompt 标题写的是「ML Take Home (~5 hours)」，正文则明确 4 小时工作时长——按 5 小时上限准备；用本地环境（Colab 或本地 IDE 都行），材料在工作期开始时发放。Open-book：可以查代码文档，但「please don't look up the whole problem, and ensure all work is your own」——整题搜答案直接出局。 内容：「mostly coding work, but pen and paper could be useful. The problem will involve doing some exploratory research, obtaining results and showing them numerically」。要求 comfortable training and evaluating basic models，pandas / numpy / matplotlib 要熟。AI Safety Fellow 的 in-home 更明确：「designing and running machine learning experiments on a small model using PyTorch and writing results and conclusions」。 交付：4 小时结束后紧接 40 分钟 live review：先 10 分钟 presentation 讲你的结果（slides 或 notebook 都行，「as long as your results are clear and presentable」），然后面试官 Q&A。SWE 侧的 Performance 岗位 take-home 是 2 小时 kernel 优化、允许 AI；MLE 侧明确没写允许 AI，默认按不允许准备。 准备要点：(1) 练 2-3 次「5 小时做完一个小实验 + 10 分钟讲清楚」的完整流程，presentation 结构和时间分配是独立技能；(2) 结果要 numerically 呈现——表格、曲线、before/after 数字，不要只有定性描述；(3) 明确写出 limitations 和 next steps，这本身就是评分点；(4) 时间盒：研究 60%、实验 30%、写作 10%，写不完实验就砍实验。

• 工作时长 4 小时（prompt 标题 ~5 小时），本地环境或 Colab，材料开工时发放
• Open-book 但禁止搜整题答案，所有工作必须是自己做的
• 探索性研究 + 数值化结果 + 训练评估基础模型
• 紧接 40 分钟 live review：10 分钟 presentation + Q&A
• 时间盒：研究 60% / 实验 30% / 写作 10%

六、Behavioral 与 Culture — AI Safety + Humility

Anthropic 的 culture 考察在 MLE 侧的信号和 SWE 侧一致，但有 MLE 特有的侧重。 高频问题（真实出现过的问法）： - 「Culture: AI Safety、坚持原则不做你认为错的事、conflict」 - 你认不认同 AI safety？从工程师和研究者的角度，实现 AI safety 的步骤？ - 如果 Anthropic 做什么项目，因为不认同价值观，你会马上辞职吗？ - HM 轮：Project Deep Dive、最困难的技术挑战、以及不少 collaboration 相关 BQ——「准备几个和 product collaborate 的故事」 候选人总结的文化关键词：强调 Humility，不喜欢「hero engineer」，非常看重对风险的敬畏。这和 ML 工作的性质有关——模型风险、部署决策的不可逆性——所以讲 project 时要体现「我知道这个系统哪里可能出问题，我做了哪些防护」，而不是「我做了一个很厉害的东西」。 HM 轮的 Project Deep Dive 是 MLE 候选人的主战场：准备 1-2 个能讲 20 分钟的项目，结构是 问题定义 → 你的技术方案和取舍 → 实验设计（怎么证明有效）→ 线上结果 → 失败和教训。最困难的技术挑战要有一个「当时卡住 → 怎么定位 → 怎么解决」的完整弧线。 流程信号：有候选人 EM 轮「感觉面的都不错已经是最大准备了，特别是 culture 例子都是非常 personal related，对方不断点头，不知道哪轮挂了」——感觉良好不等于过线，Anthropic 的门槛在 signal 累计，单轮优秀不能补其他轮的弱。

• AI Safety + 坚持原则 + conflict 是 culture 三件套
• Humility：对风险的敬畏 > hero engineer 叙事
• HM 轮备 2 个 product collaboration 故事
• Project Deep Dive：问题 → 取舍 → 实验证明 → 结果 → 教训，20 分钟弧线
• 单轮优秀不能补其他轮，signal 是累计制的

七、常见挂因复盘

2026 年 Anthropic MLE 候选人的失败案例集中在四类。 1. Design 覆盖面够但细节不严谨。「啥都考虑到了，routing、load balancing、race condition 都讲了，面试官都说好，完了给我拒」——LLM API 这类题的区分度在细节：batch 内请求长度差异怎么处理、KV cache 显存不够时淘汰什么、长 prompt 的 prefill 超时怎么办。覆盖广度是入场券，细节严谨性才是分数。 2. 电面选错方向。5 选 1 是机会也是陷阱：选了不熟的题型等于主动放弃。官方话术「pick an interview you might shine at」的意思是——这一轮决定你后面所有的轮次。 3. 门槛制流程里的单轮失手。分两天的 VO，前几轮「体验好」但 HM「uninterested」，最后一轮可能直接取消。每一轮都按「可能决定生死」来准备，不要有「这轮随便混混下轮再发力」的心态。 4. Take-home 只完成实验没完成叙事。5 小时做了一堆结果，但 presentation 没有清晰的主线（假设 → 实验 → 数字结论 → 局限），或者没留时间写 results，Q&A 被问住。presentation 是独立评分项，10 分钟要能独立站住。

• Design 挂因：覆盖面够、细节不严谨（padding、KV 淘汰、长 prompt 超时）
• 电面 5 选 1 选错方向 = 主动出局
• 门槛制流程：任何一轮掉线可能直接终止
• Take-home：presentation 是独立评分项，主线要清晰

八、4 周训练计划

按 MLE 流程权重排：电面选型方向 > design LLM infra > take-home > culture。 Week 1 — 锁定电面方向并吃透。先做 3 次自测（一道纯 coding、一道 ML programming、一道 agent loop），确定 5 选 1 里你的最强方向。然后该方向每天 1-2 题：ML 方向就手推 QKV attention、写 einsum、刷 sequence model 结构题；coding 方向就 Python 标准库 multi-stage 题。同时把 CodeSignal 环境、Google Meet 屏幕共享测试一遍。 Week 2 — LLM Inference Design 专项。每天 1 小时 design 练习，全部围绕 LLM API：动态 batching 策略（length-aware、continuous batching）、KV cache 管理与显存预算、prefill/decode 分离、throughput vs latency 取舍、$/token 成本建模。每次练习按「clarify → 请求生命周期 → batching → cache → 失败恢复 → 成本监控」六段展开，最后 5 分钟专门讲瓶颈。把「10MB+ prompt」「多窗口 UX」「core entities/index」三个 follow-up 的标准答案写出来。 Week 3 — Take-home 完整模拟。做 2 次完整的 5 小时 take-home（自己找小模型实验题，比如复现一个 fine-tuning 对比实验），严格执行时间盒，最后 10 分钟 presentation 录像回看。重点练：numerically 呈现结果（表格 + 曲线）、明确 limitations、被 Q&A 追问时不慌。 Week 4 — Culture 故事库 + Experiment Design + 模拟。写 3 个故事：AI safety 立场 + 具体行动、和 product 的 collaboration 冲突、最困难技术挑战的完整弧线。补 Experiment Design：用 30 分钟讲清楚「怎么设计实验判断 LLM 训练策略 A 是否优于 B」（假设、控制变量、指标、样本量、置信度）。最后 2 天全流程模拟。

• Week 1：自测锁定 5 选 1 方向 + 环境测试
• Week 2：LLM API design 六段框架 × 7 天
• Week 3：2 次完整 5 小时 take-home 模拟 + 录像回看
• Week 4：3 个 culture 故事 + Experiment Design + 全流程模拟

九、如果时间紧迫

如果距面试不足两周：电面方向只保最强的一路，design 只背六段框架 + 三个固定 follow-up 的标准答案，take-home 只做 1 次完整模拟（重点练 presentation），culture 故事压缩到 2 个。Anthropic 的流程末端周期不短，时间紧的时候把 signal 集中，不要同时铺开太多公司。 如果希望有人按 Anthropic 的真实题型帮你做一轮 LLM API design 追问（包括 batching 细节和 KV cache 压力问），可以预约 30 分钟免费咨询，我们会评估你当前距离各轮 bar 的差距，再决定投入哪个环节。 相关文章：
Anthropic 面试备考指南 · Anthropic 软件工程师面试题汇总 | 84 道真实面经 · MLE 面试全解析 · 面试辅助服务

• 不足两周：保电面强项 + design 六段框架 + 1 次 take-home 模拟
• Presentation 是 take-home 的独立评分项，不能省
• 30 分钟免费咨询可评估 LLM API design 的真实差距