Uber Scientist 面试经验
Delivery Logistics 组 · Switchback + Guardrail 翻车案例）
面试过程
面试流程概览
- Round 1：Coding + Experiment Design
- Round 2：BQ + Case（重点：Switchback、Guardrail、Metrics）
各轮面试内容与细节
第一轮：Coding + Experiment Case
面试官背景是 Econ，聊天气氛算轻松。
(1) Coding：LC Easy（移动 0）
题目大概是：
把 list 中的所有 0 移到末尾，保持非 0 元素的相对顺序。
我先把两种思路说了，然后写完第一种，最后讲了下 time/space complexity。
整体过关。
(2) Experiment Design：Randomization + Synthetic Control
我解释了为什么 randomization 做不了，接着提出 synthetic control。
对方继续追问 donor pool、matching、bias 等，我都能答上来。
第一轮算顺利结束。
第二轮：BQ + 深入 Case（Switchback + Guardrail，我的死亡现场）
这一轮面试官说话快得离谱，我几乎是一路狂奔着答。
(1) Surge Pricing 的 Causal 验证
我先讲 randomization 不可行，然后提出了 synthetic control 和 switchback。
他听到 switchback 之后立刻说：“那很好，我们就深入这个。”
(2) Switchback 基础（这一段我还行）
- treatment/control 如何切
- window 怎么选
- washout 怎么设计
- sample size 怎么定
这些我都有准备，我以为我能稳住局面。
我真正挂掉的地方：Guardrail Metrics（致命）
当我以为快结束的时候，他抛出关键一问：
“我们讨论了 key metrics，你说还有 guardrail。你准备用哪些 guardrail？”
我当时脑子一抽，说了几个：
- satisfaction
- total trips
他立刻指出问题：
“但我们是 switchback，全体都会轮换进 control 和 treatment。
long-term satisfaction 这种 metric 没法比较啊。那你怎么测？”
我一瞬间懵住了。
我尝试补救：
- “那在 washout period 看？”
- “或者实验后 vs 实验前？”
都被反驳：
“如果你只看 before/after，那就没必要用 switchback 了。”
这一刻我知道我大概没救了。
面试官真正想听的 Guardrail（我事后才发现）
后来我去翻社区讨论才知道：
Switchback 的 guardrail 必须是：
- 短期可测
- 在每个 window 里都能稳定算出来
- 不被轮换机制稀释
例子：
- driver acceptance rate
- rider cancellation rate
- abandoned rider requests
- fill rate
也就是说：
- 绝对不能选长期 satisfaction
- 不能选跨周期 aggregate 指标
我当场没有说出这些，就是直接致命。
面试官反应与我的失败原因总结与建议
- 他追问 guardrail 的方式非常 aggressive
- 我的 guardrail 框架本质是错的
- switchback 会让长期指标全部失效，这点我没有意识到
最致命的一点是：
我理解了 switchback，却没理解 guardrail 要“短周期可比较”。