OpenAI 招聘流程曝光:5轮面试,48小时开发系统,现场设计ChatGPT

一位软件工程师在 分享了在 的全流程的面试经历。

依据他所写的篇幅不长的文章来看, 面试总共存在五轮或者六轮, 跟传统大型工厂侧重于考查算法题的情形相比较而言, 主要的差异之处在于, 整体上更加倾向于分布式系统方面的能力。

两轮技术面, 每轮时长为 60 分钟, 其中一轮是要写代码, 这个代码是有关带版本管理的键值存储哎, 另一轮是进行系统设计, 设计的是有容错机制的任务调度器。

然后呢, 是时长为 48 小时的那个 take-home 项目, 这个项目要求交付的是一个能够运行起来的系统。

面试有现场四轮流程, 里边包括两轮编程考核进程要经历, 一轮是渐进式多阶段题目场景, 一轮侧重于系统底层范畴, 考到生成器、异步以及并发等相关方面, 一轮聚焦系统设计环节而题目设定为"设计", 关键考察GPU分配、自动扩缩容以及分布式协调等要点, 一轮是有关于行为方面的探究面试。

除此之外, 面试存在着另外一个全新的环节, 这个环节是用来考查前来应聘的人员, 对于指挥人工智能去进行编写代码的能力。

看来, 在某些人的观念里, “能够熟练运用AI工具进行代码编写”正逐渐从一项可增添优势的项目, 转变为作为工程师所必须具备的基本技能。

有很大可能性, 怎样与AI编程工具开展协作, 如何拆解大型问题并交付给Agent去执行, 这类能力会在更多公司的面试流程当中出现。

以下为这位应聘者的小作文全文——

刚刚, 完成了软件工程师（SWE）的完整面试流程, 这个流程, 和大多数大型科技公司的面试, 不太一样, 所以, 分享一下, 具体过程。

招聘人员初筛（ ）

比较轻松的背景交流。

他们问询了我所思考认为的AI在未来将会朝着怎样的方向前行, 这个询问发生在面试之前, 而在此之前, 我阅读了相关的使命章程。

技术初筛（ ）

当日开展了两轮技术面试, 每轮时长均为60分钟, 一轮是关于编程方面的, 另一轮是针对系统设计的。

这是编程题, 要设计一个键值存储系统, 该系统具备支持版本管理的功能, 也就是关键-value存储。

有一个题叫做系统设计题, 它要设计一种东西, 这种东西是一个任务调度器, 这个任务调度器要具备故障容错能力, 也就是fault - job。

家庭作业（Take-Home ）

有 48 小时完成一个真实项目。

我达成了一个分布式的, 具备重试逻辑（retry logic）、含有死信队列（dead-）的交付系统。

技术深挖（ Deep Dive）

这是一次后续面试。

面试官会逐行分析我的 Take-Home 项目。

面试官预先准备好了一系列问题, 针对我所做的每一项工程选择进行追问, 针对我所做的每一个设计决策进行追问, 这些问题是看完我的项目后他自己整理出来的。

现场面试环节（ Loop，4 轮）

编程 Round 1

以渐进式多阶段形式（multi - part）展开: 每个阶段, 首先要求你获取一个可以运行的解决方案, 之后才能够进入到下一阶段。

我所进行思考得出的题目, 乃是要去成就出、制作出一个处于token这一等级层次、范畴领域的能够进行流式差异比较的器具、装置（token-level）。

要求跟踪状态变化（ state ），支持回滚（）

核心策略是，先尽早实现一个正确版本，然后持续迭代优化。

编程 Round 2

这一轮更加偏系统工程。

探讨状况管控（state）、同时进行处理（）、内存利用效率（）。

与此同时, 深入展开考察, 有着这样几种内部机制, 分别是生成器（）, async异步机制, 迭代器（）。

系统设计（ ）

我的题目是设计 。

面试官着重留意GPU资源分配, 也就是GPU, 以及非稳定流量状况下的自动扩容, 即under non - , 还有分布式协调机制, 即（）。

若非有着专门特意的要求, 不然的话, 就能将模型服务层也就是（model- layer）抽象拿掉。

行为面试（）

重点考察, 符合技术领导力要求的案例, 对多个团队产生影响的架构决策, 以及在高压力环境之下达成共识的相关经历等。

他们希望听到的是，具体的工程权衡，而不是泛泛的软技能回答。

Round（智能体编程环节，Beta）

存在部分候选人, 他们会额外去经历第五轮, 这一轮是, 给你一个已经有的代码库, 还有一个规模大到了无法凭借手工去解决的问题。

你需要利用 AI 编程 Agent 来完成任务。

现阶段, 此环节依旧处在测试时期（Beta）, 并非每一位候选人都会碰到。

在最后, 提出问题, 是否存在有人专门针对这种呈现为渐进式、具有多个阶段的面试形式, 也就是 multi - part , 来展开准备呢?

很好奇哪些准备方式真正有效。