पहले Anthropic loop में मेरा बुरा हाल हुआ था। फिर दूसरी AI lab में काम कर चुके एक पुराने सहकर्मी ने बताया कि इंटरव्यू में जाने से पहले मुझे क्या मालूम होना चाहिए था। कुछ हफ्ते बाद मेरे पास Anthropic और OpenAI, दोनों के offer थे। दूसरी कोशिश में मैंने क्या बदला, यह पोस्ट उसी बारे में है।
Coding round नब्बे मिनट का होता है और classic whiteboard problems जैसा बिल्कुल नहीं होता। मुझसे key-value store बनाने को कहा गया। शुरुआत SET GET DELETE से हुई, फिर filtered scans, उसके बाद timestamps के साथ TTL expiration और आखिर में compression के साथ file persistence। कुल चार stages थे और हर अगला stage पिछले वाले के ऊपर जुड़ रहा था। मैं एक stage पूरा करता और interviewer उसी पल कोई नई constraint जोड़ देतीं, ठीक उस coworker की तरह जो sprint के बीच में spec बदलता रहता है। दिमाग खराब हो गया। उन्होंने बताया कि उनका OpenAI screen भी ऐसा ही था, एक घंटे में कोई असली चीज बनानी थी। OpenAI में एक deep dive भी होता है। उसमें आप अपना बनाया हुआ system पेश करते हैं और वे आपके हर फैसले की बखिया उधेड़ते हैं।
Coding में मुझे problems ने नहीं डुबोया था। मुश्किल थी अपना approach बोलकर समझाना। सामने कोई आपको देख रहा हो, हर पंद्रह मिनट में requirements बढ़ा रहा हो और आपके पास नब्बे मिनट हों, तब यह आसान नहीं रहता। दूसरी कोशिश में मैंने जानबूझकर रफ्तार धीमी की। कुछ लिखने से पहले सवाल को अपने शब्दों में दोहराता और दो-चार example inputs बनाता। इसकी उन्होंने खूब practice कराई थी। वह मुझे वाक्य के बीच रोककर कहतीं, "ठीक है, मगर corner cases क्या हैं?" फिर मुझे वहीं सोचकर बोलना पड़ता। Keyboard छूने से पहले मैंने अपना approach लिखना और complexity पर सोचना शुरू किया। Type करना शुरू करने से पहले interviewer से यह भी पक्का कर लेता कि दिशा ठीक लग रही है। उसके बाद धीरे लिखता और अपने examples से debug करता। करते समय यह हद से ज्यादा धीमा लगता था, मगर असल में इसी से मेरी गति बढ़ी। गलत रास्ते पर जाकर सब कुछ दोबारा लिखना जो बंद हो गया था।
अब system design। FAANG system design के लिए जो कुछ पढ़ा था, उसे भूल जाइए, क्योंकि यहां उसमें से कुछ काम नहीं आता। किसी ने URL shortener design करने को नहीं कहा। काश, URL shortener ही पूछा होता। Chat service भी नहीं पूछी गई। Anthropic ने कहा कि लाखों requests के लिए inference serving infrastructure design करो, अलग-अलग model sizes के साथ GPU usage ऊंचा भी रहना चाहिए। यानी बात batching की थी, KV cache memory management की, request को सही instance तक route करने की और transformer pipeline में latency कैसे जुड़ती चली जाती है इसकी। मेरे interviewer ने उनका serving stack खुद बनाया था। मतलब सचमुच वही चीज उन्होंने अपने हाथ से लिखी थी। दो मिनट में उन्हें समझ आ गया कि मेरी तैयारी generic YouTube videos से हुई है। उन्होंने मुझे पहले से सावधान भी किया था। उनका OpenAI system design scaling inference पर था और वहां के interviewer को भी असली production system पर काम करने का सीधा अनुभव था। इस सामान पर सच में काम किया होना जरूरी है। पिछली नौकरी में मैंने serving infrastructure पर थोड़ा काम किया था, उसी ने मुझे बचाया। फिर भी जो जानता था उसे इस तरह व्यवस्थित करने में दो हफ्ते लगे कि बीस मिनट तक भटके बिना समझा सकूं। एक छोटी सलाह, अगर distributed queue चाहिए और आपने कभी उसे छुआ नहीं है तो बस "distributed queue" कहिए। ऐसी details में मत उतरिए जिनका बचाव न कर सकें।
Ready to ace your next interview?
InterviewMan gives you real-time AI answers during live interviews — undetectable on Zoom, Meet, and Teams.
Try InterviewMan Freeदूसरी Anthropic कोशिश और कुछ OpenAI mocks के दौरान मैंने InterviewMan चलाया। Coding challenge में tool ने पकड़ लिया कि अगले level पर जाने से पहले मैं reads पर TTL check करना भूल गया था। Stage four तक पहुंचने की धुन में ऐसी चीज मुझसे छूट ही जाती। Safety round में इसने alignment के talking points दिए और इस बार मैं tool use तथा hallucinations वाले सवाल पर अटका नहीं। System design में interviewer का prompt खत्म होने से पहले ही इसने GPU usage और batching को मुख्य मुद्दों के रूप में पकड़ लिया। मैंने Zoom, Replit और CodeSignal पर dock, process list और Activity Monitor जांचे। कुछ नहीं दिखा। Annual plan पर महीने के बारह डॉलर, पूरे साल के एक सौ चवालीस, session caps नहीं, public counter पर 57,000 users, 257 reviews से 4.8 stars और बीस से अधिक built-in stealth features। Interview Coder दो सौ निन्यानवे में केवल coding देता है, जो safety round और system design के लिए बेकार है, जबकि इन जगहों पर शायद आपका आधा score इन्हीं से बनता है। इस category की थोड़ी व्यापक तुलना InterviewMan vs Interview Coder 2 comparison में है।
Behavioral वाला हिस्सा ज्यादातर लोग गलत समझते हैं, क्योंकि वह असल में behavioral है ही नहीं। Anthropic ने interview से पहले values doc भेजा था और उन्हें उम्मीद थी कि मैंने उसे पढ़ा होगा। पहला सवाल था कि LLMs का कौन सा failure mode मुझे सबसे ज्यादा परेशान करता है। Follow-up में पूछा गया कि किसी agent को tool use देने पर क्या बदलता है। STAR से मुझे कोई मदद नहीं मिली। Team conflicts वाली मेरी behavioral stories भी कहीं नहीं पहुंचीं। वे जानना चाहते हैं कि code ship करने के बाद वह क्या करता है, इसकी आपको सच में परवाह है या नहीं। OpenAI भी यही परखता है।
Timeline भी बता दूं, क्योंकि लोग हमेशा पूछते हैं। Recruiter call से जवाब तक Anthropic ने करीब तीन हफ्ते लिए। उन्होंने बताया कि OpenAI ने छह हफ्ते लगाए थे, इंतजार ने लगभग जान निकाल दी थी। Anthropic final round को दो अलग-अलग आधे दिन के sessions में बांटता है, हर session में दो या तीन rounds होते हैं। OpenAI में एक ही लंबा दिन होता है। दोनों जगह stages के बीच ghosting सामान्य है। Recruiters काम में दबे हुए हैं। Offer मिल जाए तो किसी एक interviewer के साथ तीस से पैंतालीस मिनट मांगिए। Meeting सिर्फ सवाल पूछने के लिए रखिए और जवाब ध्यान से सुनिए, क्योंकि उस समय वे आपको अपनी तरफ खींच रहे होते हैं।
असल loops में AI इस्तेमाल करने को लेकर और भी बहुत-सी राय होंगी, मुझे इसका यकीन है। इस पोस्ट में मेरा ध्यान मुख्य रूप से frontier labs और असली rounds पर था, काल्पनिक rounds पर नहीं। मेरे लिए यह काम कर गया। इसका मतलब यह नहीं कि आपके लिए भी करेगा।
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
