先說一句整體感受： Waymo Research Intern 面試強度不低，但方向非常明確。整個流程不追求花哨題型，也不考刷題速度，核心就一件事——你是不是真的做過研究，並且能把研究講清楚。下面分輪次回顧一下整個過程，僅供參考。
Waymo Research Intern 面試流程概覽
第一輪：Recruiter Screen（約 30 分鐘）
第二輪：Research Deep Dive
第三輪：ML + 數學基礎
第四輪：Applied Research Case
第 1 輪：Recruiter Screen（約 30 分鐘）
節奏很快，主要是做背景和匹配度確認。不會深挖技術，但會反覆確認你做的事情是不是偏 research，而不是工程或純實現。
常見問題包括：
你目前最熟悉的研究方向是什麼
之前做過的專案裡，哪一個你最有話語權
畢業時間 & 實習時長是否符合團隊安排
第 2 輪：Research Deep Dive
這是整場面試最重要的一輪。面試官會讓你完整講一個你最熟的研究專案，從 problem definition 一直追問到實驗和結論，中途幾乎不會打斷，但問題非常密集。
被重點追問的點包括：
為什麼這個問題值得做
baseline 是怎麼選的
metric 為什麼合理
有沒有做 ablation
當結果不理想時，你是如何調整假設的
中途還被追問了一個很典型的問題：如果資料分佈發生變化，這個方法還能不能 work？你會怎麼驗證模型的穩定性？
第 3 輪：ML + 數學基礎
這一輪偏基礎能力驗證，但難度不低，問題基本都結合自動駕駛場景。
印象比較深的包括：
如何理解 bias / variance 在感知模型裡的 trade-off
當 label noise 很重時，你會如何設計 loss
不考偏門 trick，但要求你把原理講清楚，並且能落到具體場景。
第 4 輪：Applied Research Case
這一輪更偏“真實系統中的研究決策”。會給一個自動駕駛相關的研究場景，讓你現場拆解思路，比如：
哪些 failure case 會讓你直接否決這個模型，如果 inference latency 變高，但 accuracy 提升，你會如何權衡
真正卡人的不是題，而是研究邏輯
我們在長期陪跑 Waymo / Google / Meta 等 Research 類崗位面試的過程中，發現很多候選人並不是能力不夠，而是在實戰中表現不穩。如果你正在準備 Waymo Research Intern，或者已經拿到面試、但心裡沒底，可以直接聯絡我們，進行針對性的 面試輔助 。
