Jeg dumpede min første Anthropic loop. En tidligere kollega fra et andet AI lab gik mig igennem det jeg burde have vidst på forhånd, og nogle uger senere havde jeg tilbud fra både Anthropic og OpenAI. Det her indlæg handler om hvad der ændrede sig anden gang.
Kodningsrunden er halvfems minutter og slet ikke som klassiske whiteboardopgaver. De bad mig om at bygge et key-value store. SET GET DELETE til at starte med, så filtrerede scans, så TTL expiration med timestamps, så fil-persistens med komprimering. Fire stadier, hvert nyt stablet ovenpå det forrige, og min interviewer blev ved med at smække flere krav på i det sekund jeg blev færdig med et stadie, ligesom en kollega der hele tiden ændrer specifikationen på dig midt i en sprint.
Det gjorde mig vanvittig. Hun fortalte at hendes OpenAI screen kørte på samme måde, én time hvor man byggede noget rigtigt. OpenAI har også den der deep dive ting hvor man præsenterer et system man har bygget, og så piller de hvert eneste valg fra hinanden.
Det der virkelig vippede mig under kodningen var ikke selve opgaverne. Det var at tale mig igennem min tilgang. Det kan man ikke når man har halvfems minutter og nogen der kigger på en og lægger krav til hvert kvarter. På mit andet forsøg tvang jeg mig selv til at sætte tempoet ned. Jeg gentog spørgsmålet med mine egne ord og lavede et par eksempelinput inden jeg skrev noget som helst.
Hun pressede mig på det her, hun ville stoppe mig midt i en sætning og sige "okay men hvad er hjørnetilfældene" og så måtte jeg tænke højt om det. Jeg begyndte at skitsere min tilgang og tænke på kompleksitet inden jeg overhovedet rørte tastaturet, jeg bekræftede endda over for intervieweren at retningen virkede fornuftig inden jeg gik i gang med at skrive, og så skrev jeg langsomt og debuggede med mine egne eksempler bagefter.
Ready to ace your next interview?
InterviewMan gives you real-time AI answers during live interviews — undetectable on Zoom, Meet, and Teams.
Try InterviewMan FreeDet føltes pinligt langsomt i praksis, men det gjorde mig faktisk hurtigere, for jeg holdt op med at gå ned ad forkerte stier og skulle skrive alting om.
System design. Glem alt hvad du har læst til FAANG system design for intet af det gælder her. Ingen bad mig designe en URL shortener, jeg VILLE ØNSKE de havde bedt mig designe en URL shortener. Ingen spurgte til en chat service. Anthropic ville have at jeg designede inference serving infrastruktur til millioner af forespørgsler mens GPU-forbruget skulle holdes højt med forskellige modelstørrelser, så vi snakker batching, KV cache memory management, routing til den rigtige instans, og hvordan latency stables igennem en transformer pipeline.
Min interviewer havde BYGGET deres serving stack. Som i personligt skrevet selve tingen. Han vidste inden for to minutter at min forberedelse kom fra generiske YouTube videoer. Hun advarede mig om det her også, hendes OpenAI system design var skalering af inference, og intervieweren der havde også hands on erfaring med selve produktionssystemet. Man bliver nødt til faktisk at have arbejdet med det her stof.
Jeg havde rørt serving infrastruktur i et tidligere job, hvilket reddede mig, men jeg havde stadig brug for et par uger til at organisere det jeg vidste til noget jeg kunne snakke om uden at sludre i tyve minutter. Et lille tip, hvis du har brug for en distributed queue og aldrig har rørt en, så kald det bare "distributed queue". Grav dig ikke ned i detaljer du ikke kan forsvare.
Så jeg kørte InterviewMan under mit andet Anthropic-forsøg og på nogle OpenAI mocks. På kodeudfordringen fangede værktøjet at jeg glemte at tjekke TTL på reads inden jeg gik videre til næste level, præcis sådan noget jeg ville have misset fordi jeg var fokuseret på at nå frem til stadie fire. Under safety runden fodrede den mig med alignment talking points og jeg svarede på tool use og hallucinations spørgsmålet uden at fryse fast denne gang.
På system design fangede den GPU-forbrug og batching som kernetemaerne inden min interviewer overhovedet var færdig med oplægget. Jeg tjekkede dock, procesliste, Activity Monitor på Zoom og Replit og CodeSignal. Ingenting. Tolv dollars om måneden på årlig betaling, en fyrre og fyrre for et år, ingen session caps, 57.000 brugere på den offentlige tæller, 4.8 stjerner ud fra 257 anmeldelser, mere end tyve stealth features bygget ind.
Interview Coder til to og halvfems gør kun kodning hvilket er ubrugeligt til safety runden og system design, som tilsammen udgør måske halvdelen af din score de her steder. Det tætteste bredere syn på kategorien er InterviewMan vs Interview Coder 2 sammenligningen.
Behavioral er den del de fleste tager fejl af, fordi den ikke rigtig er behavioral. Anthropic sendte et values dokument inden interviewet, og de forventede at jeg havde læst det. Det første spørgsmål var hvilken failure mode hos LLM'er der bekymrede mig mest, og opfølgeren var hvad der ændrer sig når man giver en agent tool use. STAR hjalp mig ikke, og mine behavioral historier om teamkonflikter førte ingen vegne. De vil vide om du faktisk bekymrer dig om hvad din kode laver efter du shipper den. OpenAI tester også for det her.
Tidsplan ting, siden folk altid spørger. Anthropic tog cirka tre uger fra recruiter call til svar. Hun sagde at OpenAI tog seks uger, hvilket nær havde slået hende ihjel. Anthropic splitter den sidste runde op i to separate halve dages sessioner, to eller tre runder hver. OpenAI laver én lang dag. Ghosting mellem stadier er normalt hos begge. Recruiters er begravet i arbejde.
Hvis du får et tilbud, så bed om tredive til femogfyrre minutter med en af interviewerne, hav et møde bare til at stille spørgsmål, lyt grundigt for på det tidspunkt sælger de dig.
Jeg er sikker på der er masser af andre meninger om at bruge AI i rigtige loops. Mit fokus i det her indlæg var primært frontier lab siden, på rigtige runder, ikke på hypotetiske. Det virkede for mig. Det betyder ikke det vil virke for dig.
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
