MLE 面试考什么 2026：ML Coding、ML Design、Project Deep Dive

💡 核心要点 (Key Takeaways)

• MLE 面试 2026 的主轴没变：1-2 轮 ML Coding + 1 轮 ML System Design + Project Deep Dive（最区分度高的环节）+ ML 理论深挖 + BQ；NG / Intern 前面常加一场 OA，社招多数直接进 Phone。
• MLE 的 System Design 考的是 ML 系统而不是通用架构：feature pipeline、特征 freshness、training/serving consistency、实验设计、模型迭代指标，和 SWE 的 System Design 是两套题，不要混着刷。
• Project Deep Dive 是 MLE 最区分度高的环节：要能讲清数据、标签、特征、评估、serving、监控和失败复盘，规模数字（user base、QPS、特征数、延迟）张口就来，答成「只讲模型」等于告诉面试官你只做过离线建模。
• 最容易挂的不是「做不出题」，而是「讲不出来 + 只答功能不答失败路径」：ML Coding 第一版结构要撑得住 follow-up，SD 要主动交代冷启动 / 降级 / 离线线上 gap。
• 7 / 14 / 30 天三档路线：7 天保 ML Coding + 表达下限，14 天补 ML System Design 与项目深挖，30 天加数学理论专项、实验设计专项和完整 mock。

这篇适合谁

这篇写给准备北美 Machine Learning Engineer（MLE）面试、但还没搞清楚「每一轮到底考什么」的候选人——New Grad、Intern，以及社招（L4/L5，对应国内 3-5 年经验对标的中级），含 Applied ML / AI Engineer 方向。和单公司面经不同，这篇文章不深挖某一家的题库，而是回答准备期最核心的那个问题：MLE 面试考什么。它给出一张全轮次的地图：每一轮考什么、哪些题型高频、候选人最容易在哪些地方丢分、以及按你的倒计时该投入多少准备。

内容基于 2026 年公开面经信号聚合和站内 MLE 专题文章整理；轮次结构因公司、级别、地区会有出入，以你实际收到的邀请为准。读完你能带走四样东西：① 全流程轮次地图（OA → Phone → Onsite → HM/Team Match）；② ML Coding、ML System Design、Project Deep Dive、ML 理论、BQ 各自的高频题方向清单；③ 最容易踩的 6 个挂点；④ 7 / 14 / 30 天三档准备路线。更完整的 MLE 岗位策略（高频题型簇、公司优先级、7 天冲刺）见 MLE 岗位解构。

整体框架：MLE 面试每一轮考什么

先给结论：2026 年 MLE 面试的主轴仍然是 1-2 轮 ML Coding + 1 轮 ML System Design + Project Deep Dive（最区分度高的环节）+ ML 理论深挖 + BQ，但有两个明显变化——feature freshness 与 training/serving consistency 成为 System Design 的核心考点，实验指标设计与指标回退诊断这类「工程判断」题变多。典型流程长这样：

• 简历投递：ATS 初筛 + 部分公司人工简历 review。投递到第一轮反馈的典型区间是 1-3 周，NG 和社招差异很大，「一周没回音」不代表挂了。
• OA（Online Assessment）：NG 和 Intern 基本必考，社招多数情况跳过（简历过初筛后直接进 Phone）。常见 1-2 道 medium Python 题、限时作答，部分带数据 / 统计 flavor（指标计算、日志聚合、流式处理），偶尔一道小型 ML 题。
• Recruiter Screen（部分公司，30-45 分钟）：不考技术，聊动机、背景和大体技术经历。MLE 岗位这轮常被问「你做过什么 model 相关的工作」，要能一句话说清项目规模（user base、QPS、特征数、延迟、影响的业务指标），「参与过推荐项目」这种颗粒度不够。
• Phone Screen（电面，45-60 分钟）：常是「简历深挖 + coding 混排」，也是挂人最多的一轮。面试官先花 20-30 分钟挖简历上的项目（model structure、loss function、training 流程、特征怎么设计、为什么这么选型），剩下 15-25 分钟做一道 coding / ML 理论题并追问 follow-up；深挖阶段表现不好会直接压缩做题时间。
• VO / Onsite Loop（4-5 轮，每轮 45-60 分钟，通常一天面完）：最常见结构是 1-2 轮 ML Coding（其中常含一道 math heavy 的 ML 理论题）+ 1 轮 ML System Design + 1 轮项目深挖 + ML 知识 + 1 轮 BQ；部分公司 2026 年新增 AI Assisted Coding 轮（用 AI 工具 + share screen 完成含 test case 的完整工程任务）。
• BQ / Behavioral：除专门的 BQ 轮外，几乎每轮都会加 5-10 分钟行为题。高频方向：一次技术分歧、一次模型没达预期的经历、一次跨团队（数据 / 工程 / 产品）推动上线、为什么选这家公司。
• HM / Team Match：VO 通过后进入结果确认阶段：hiring manager 沟通方向、level 和 comp，跨组调剂（team match）也发生在这里，不再考技术，重点是双向确认团队方向、级别和 location。

高频题型与核心方法：5 个方向，每个都有可执行动作

按题型拆开讲。每个方向都给一个今天就能开始的动作，不泛泛而谈：

• ML Coding（1-2 轮，最高频）：Python 为主，两种风格。一种是数据 / 特征向：特征工程（时间特征、行为序列特征、缺失值和过期值处理）、离线评估（AUC / GAUC / NDCG 的实现、按时间切分防标签泄漏）、流式特征计算（滑动窗口、去重）。另一种是 math heavy 的 ML 理论：loss function 推导（为什么 CTR 用 logloss 而不是 MSE）、log q correction、cross-entropy 的梯度、简单模型组件实现（attention、feature cross 层）。动作：每天 1-2 题，每题强制三段——先能跑对、再用一句话说清数学直觉、最后主动交代边界情况（空值、重复、时间穿越）；follow-up 加规模时结构要撑得住。
• ML System Design（1 轮，45-60 分钟）：场景几乎都在推荐 / 搜索 / CTR / 特征平台。考点是 feature freshness（特征多久更新一次）、training/serving consistency、冷启动、降级方案、实验指标设计。动作：按「业务目标 → 数据与特征 → 模型训练与评估 → serving 架构 → 监控回滚」的骨架，把一道推荐系统题完整讲 45 分钟，失败路径（冷启动、特征缺失、延迟超预算）要主动交代、别等问。通用答题框架和追问应对见 ML System Design 专题，这里不复述。
• Project Deep Dive（1 轮或穿插，最区分度高）：按「业务目标 → 数据来源 → 标签定义 → 特征链路 → 训练评估 → serving 架构 → 监控迭代」七层拆项目，每层准备一个 trade-off 和一个 failure mode，面试官追问时就不会只剩模型名。动作：把 resume 主项目写成一张一页 model card——一个业务目标、一个主指标 + 两个 guardrail 指标、数据链路一句（从哪到哪）、模型一句（做什么、为什么选它）、serving 一句（延迟预算、降级方案）、监控一句（报警看哪些指标）、一个最大失败和怎么修的，练到能脱稿讲 3 分钟并接住三层追问。
• ML 理论深挖（穿插在 coding / 深挖轮）：loss function、log q correction、DNN + 特征交叉的取舍、特征稀疏怎么处理。动作：高频推导（logloss vs MSE、log q correction）手写一遍，每个三分钟内讲完直觉——只说「logloss 效果好」会被一路追问到断片。
• BQ / Behavioral：按 5 个高频方向（技术分歧、模型没达预期、跨团队推动、主动扛事、为什么选这家）各准备 1 个 STAR 故事。动作：每个故事写清「数字 + 决策 + 冲突」，英文口述录音回听，检查能不能接住两层追问（当时怎么判断的、结果怎么衡量的）；规模数字（user base、QPS、特征数、延迟）必须张口就来。
• SQL / 数据类轻题（增长 / monetization 方向加练）：中低频，实验指标聚合查询（window function、cohort 留存）。动作：窗口函数、去重、漏斗统计要能默写，并能说清数据量放大 10 倍怎么扩展。

代表题型：2026 信号里反复出现的 4 类

以下是 2026 年公开面经信号里反复出现的题「类型」，只归纳题型和考点，不复刻任何人的具体原题：

• 推荐系统设计（ML System Design 最高频）：从零设计 feed / 短视频推荐系统。考点：召回（多路 i2i / u2i / 向量召回）→ 粗排 → 精排 → 重排的多段架构、每段模型和延迟预算、业务规则（creator 多样性、低质内容打压、冷启动）、短期 CTR 和长期留存的平衡。关键动作是先立业务约束（内容生态健康、creator 激励），再讲模型怎么服务约束——顺序反了整轮都难救。
• 特征平台 / Feature Store 设计（Feature Freshness 核心考点）：设计一套支撑实时推荐的特征 pipeline。考点：实时特征和离线特征的划分、特征更新延迟（「用户最近 50 次交互」这类特征要求秒级新鲜度）、training/serving consistency 怎么保证（同一份特征代码、防时间穿越）、缺失 / 过期特征的 fallback、特征去重和版本管理、feature drift 怎么监控。这是最能区分「做过真实推荐」的题型，答成「加个 feature store」这种名词题会直接减分。
• 评估指标与特征工程实现（ML Coding 最高频）：实现 AUC / GAUC / NDCG、特征工程 + 训练一个 baseline（GBDT / 逻辑回归）、滑动窗口流式统计、日志去重聚合。考点是代码能跑、指标口径正确、主动交代边界情况（空值、重复、时间穿越），follow-up 加规模时结构撑得住。
• 模型指标回退诊断 / 实验指标设计（2026 变多）：「模型版本更新后 AUC 掉 3 个点」或「推荐策略改版，你怎么衡量它有效」——考排查过程（澄清症状 → 列假设：数据分布 / 特征 pipeline / 训练配置 / 评估集本身 → 按验证成本排序 → 逐个排除）和实验设计素养（primary 指标 + guardrail 指标、novelty effect 和 spillover 怎么处理、指标回归怎么读）。考点是判断和素养，不是背公式。

常见挂点：MLE 候选人最易失分的地方

把公开挂因信号和模拟面试复盘对照，MLE 面试的失分点集中在这几个：

• 只讲模型、不讲特征（MLE 最特色的挂点）：答不出「这个特征多久更新一次、过期一小时会怎样、training/serving 怎么保持一致」。特征问题答成模型问题，基本等于告诉面试官你只做过离线建模。怎么从模型结构扩展到数据、标签、特征、上线，见 MLE 只会讲模型怎么补。
• 简历被挖穿：深挖普遍持续 40-45 分钟，model structure、loss function、training 流程、特征设计、架构选型全会问到，项目小的会被直接质疑「project user base 太小」。每个项目要准备三层回答：概述（2 分钟）→ 技术细节（5 分钟）→ 规模与取舍（3 分钟），规模数字（user base、QPS、特征数、延迟、影响指标）必须张口就来。
• 数学不扎实：loss function 题 math heavy（log q correction 推导、为什么 MSE 很难用在 CTR 这类分类任务上），只会说「logloss 效果好」会被深挖轮一路追问到断片。推导要能手写，直觉要能三分钟内讲完。
• 做出来但讲不出来：闷头写代码只交结果，面试官听不到推理过程，代码对了也给不到对应 level 的分。对策：边写边说，每 5 分钟主动交代一次「为什么这么拆、为什么选这个数据结构 / 结构」。
• 只答功能、不答失败路径：System Design 和项目深挖几乎必问「特征线上缺失怎么办」「模型延迟超预算怎么办」「离线涨了线上为什么没涨」。答不出 freshness、fallback、降级、离线线上 gap 这几个点，等于告诉面试官没上线过系统。
• 没有 follow-up / 规模意识：做完一道题被问「还有没有更优解」就卡住；System Design 只画架构图，不谈 QPS、延迟预算、特征更新频率、存储成本。正确姿势是主动说「这是 O(n log n)，还可以进一步……」，并把规模数字主动报出来，别等被问。

准备路线：7 天 / 14 天 / 30 天

按你距第一轮技术面的天数选路线。三个版本的共同原则：ML System Design 和项目深挖永远优先，ML Coding 保下限，数学理论和实验设计次之，最后两天只留 mock 和状态调整，不学新东西。

• 7 天（保下限版）：D1-D2 ML System Design：「推荐系统」和「特征平台（feature freshness）」各按「澄清 → 数据 / 特征 → 模型 → 评估 → 取舍」45 分钟结构完整走一遍，每遍计时，失败路径（冷启动、特征缺失、延迟超预算）必须主动交代；D3 ML Coding 做 2 题（GAUC / NDCG 实现 + 特征工程训 baseline），重点练按时间切分和边界情况；D4 数学理论：loss function、log q correction、logloss 和 MSE 的对比，推导手写一遍，每个三分钟内能讲完；D5 项目深挖：resume 主项目按「角色 → 规模数字 → 取舍」写三层答案，并主动准备一段「user base 小怎么办」的说明；D6 BQ：按 5 个高频方向各写 1 个 STAR 故事，英文口述录音回听；D7 完整 mock 1 场（SD + coding + 10 分钟 BQ），录音复盘。
• 14 天（标准版）：在 7 天基础上——D8-D9 补 2 道 System Design（CTR 预测 serving、视频 / 搜索排序），每道强制主动交代失败路径和评估方法（相关性怎么标注、线上 A/B 怎么读）；D10 把 D1-D2 做过的 2 道 SD 重做一遍，这次把「feature freshness + training/serving consistency」写成主线而不是补充；D11-D12 ML Coding 再补 2 题（滑动窗口流式统计、日志去重聚合）+ 1 道实验指标设计题；D13 mock 完整 loop（SD + coding + 深挖 + BQ 各一段）；D14 缓冲日，检查设备和日程，早睡。
• 30 天（系统版）：在 14 天基础上——D15-D18 System Design 扩场景：广告 / monetization 排序、增长留存模型、多目标各 1 道，每道补三类 follow-up（规模放大、实时性、失败降级）并给出方案 + 取舍；D19-D21 实验设计专项：primary / guardrail 指标体系、novelty effect、spillover、指标回退诊断，能在白纸上完整讲一遍；D22-D24 项目深挖库：3 个主项目各练三层追问（approach → 细节 → reflection），把「效果怎么衡量」的答案写成卡片，规模数字做成速查表；D25-D27 连续 3 场完整 mock（找真人或录音），重点看 follow-up 接没接住、中英文切换是否流畅；D28 复盘 3 场 mock，把断片点写下来各补一段；D29-D30 缓冲日。

FAQ：MLE 面试考什么，5 个高频问题

Q1：MLE 面试考什么 2026？
主轴没变：1-2 轮 ML Coding + 1 轮 ML System Design + Project Deep Dive + ML 理论深挖 + BQ，NG / Intern 前面常加一场 OA，社招多数直接进 Phone。变的是题型分布：feature freshness 和 training/serving consistency 成为 System Design 的核心考点，实验指标设计和指标回退诊断这类「工程判断」题变多，AI Assisted Coding 轮开始零星出现。各轮次的具体题型和考点见上文「高频题型与核心方法」。

Q2：MLE 面试一般几轮，流程走多久？
典型是：投递 → Recruiter Screen（部分公司）→（OA，NG / Intern 多）→ Phone Screen → Onsite 4-5 轮 → HM / Team Match → offer。投递到第一轮反馈的典型区间是 1-3 周，第一轮到 offer 的典型区间是 1-3 周，不同公司差异很大——快的两三天日清日结，慢的要一个多月。用区间做心理预期，不要用任何单篇面经的时间点当标准。

Q3：MLE 和 SWE 的 System Design 有什么区别？
MLE 的 SD 考 ML 系统：feature pipeline、特征 freshness、training/serving consistency、实验设计、模型迭代指标；SWE 的 SD 考通用架构：容量估算、API、存储、缓存、降级、一致性。你面的是 MLE 的话准备方向完全不同，两套题不要混着刷。

Q4：社招还有 OA 吗？
大多数社招 MLE 岗位没有 OA，简历过初筛后直接进 Phone Screen；NG 和 Intern 基本必考 OA（约 90-120 分钟，1-2 道 medium Python 题，部分带数据 / 统计 flavor），个别公司分两场。以实际收到的邀请为准。

Q5：我的项目 user base 比较小，深挖怎么办？
MLE 的项目深挖确实对规模敏感，公开挂因信号里出现过「project user base 太小」。三个动作：第一，主动先报规模（user base、数据量、QPS、特征数、延迟），不要等被问，规模坦诚比藏着好；第二，把重点转到「工程完整度」——特征 → 训练 → 评估 → serving → 监控的全链路是否做过、取舍是怎么做的、影响指标是什么，做完整链路的小项目比只负责一个模块的大项目更有说服力；第三，准备可迁移映射：离线模型 → 线上 serving、批量特征 → 实时特征（freshness）、离线评估 → A/B，主动说清你的经验里哪部分能直接迁移到目标场景。