Anthropic

English · Русский · AI Interview Atlas › Компании

Лаборатории frontier-AI · Международный · Этапы проверены 2026-09-26

Короткий цикл с раундом ценностей, который сам по себе может остановить процесс. Технические раунды практические, а не олимпиадные; в живых интервью кандидатам нельзя пользоваться AI-ассистентами.

На этой странице: Этапы интервью · Официальные материалы для подготовки · Вопросы (39)

Роли

• AI-инженерия: Разработчик AI-продуктов, AI/LLM-инженер, Инженер AI-платформы / MLOps, Инженер инференса и производительности, Forward deployed engineer (FDE), Архитектор AI-решений / customer engineer, Research-инженер
• AI-лидерство: Руководитель разработки (EM)

Этапы интервью

Этап	Что происходит	Основание
Скрининг с рекрутером Инженер AI-платформы / MLOps	15–30 минут о бэкграунде и мотивации, включая «почему Anthropic» и интерес к безопасности AI. Рекрутер предупредил, что можно пройти техническую часть и не пройти по ценностям.	🗣 отчёт кандидата Anthropic Staff Software Engineer, Infrastructure Interview Experience, Aced (formerly Exponent), candidate report, проверено 2026-09-26
Инструменты и правила кодинга	На технических ролях — живой кодинг в инструментах вроде Colab и CodeSignal, интервью проходят в Google Meet. Подсматривать можно, но базовый синтаксис и стандартные библиотеки не должны отнимать время.	✅ подтверждено компанией Careers, Anthropic, проверено 2026-09-26
Без AI-помощи в живых интервью	AI можно использовать для подготовки и для доработки заявки, которую вы написали сами, но не во время живых интервью. Домашние задания выполняются без Claude, если компания не скажет иначе.	✅ подтверждено компанией Guidance on Candidates' AI Usage, Anthropic, опубликовано 2025-07-10, проверено 2026-09-26
Кодинг с нарастающей спецификацией	Гайды описывают 60–90 минут на одну практическую задачу, которая усложняется примерно за четыре уровня, например хранилище в памяти или банковская логика; тесты открывают следующий уровень.	† гайд или подборка Anthropic's Interview Process & Questions, interviewing.io, проверено 2026-09-26 Anthropic Software Engineer (SWE) Interview Guide, Aced (formerly Exponent), проверено 2026-09-26
Разговор с нанимающим менеджером	Около 45–60 минут о прошлых проектах, инженерных суждениях и технических решениях.	† гайд или подборка Anthropic Software Engineer (SWE) Interview Guide, Aced (formerly Exponent), проверено 2026-09-26 Anthropic's Interview Process & Questions, interviewing.io, проверено 2026-09-26
Финальные раунды Инженер AI-платформы / MLOps	У одного кандидата было пять раундов: system design (раздать большой файл тысячам машин), практический проект на код (конвейер обработки изображений), разбор проекта с упором на договорённости и конфликты между командами, поведенческий раунд и раунд культуры.	🗣 отчёт кандидата Anthropic Staff Software Engineer, Infrastructure Interview Experience, Aced (formerly Exponent), candidate report, проверено 2026-09-26
Раунд ценностей и культуры Инженер AI-платформы / MLOps	Вопросы о случае, когда работа противоречила вашим ценностям, и о том, как вы взвешиваете давление сроков против рисков безопасности.	🗣 отчёт кандидата Anthropic Staff Software Engineer, Infrastructure Interview Experience, Aced (formerly Exponent), candidate report, проверено 2026-09-26
Цикл для руководителя разработки Руководитель разработки (EM)	Скрининг о миссии и безопасности AI, затем технический дизайн (сервис батчинга инференса на одном GPU), презентация крупной инициативы и вопросы о самой большой команде, развитии людей, неопределённости и несогласии.	🗣 отчёт кандидата Anthropic Engineering Manager Interview Experience, Aced (formerly Exponent), candidate report, проверено 2026-09-26
Первоначальное домашнее задание для инженеров производительности (больше не используется) Инженер инференса и производительности	В первоначальном задании начала 2024 года кандидаты оптимизировали последовательную программу для симулятора ускорителя с помощью многоядерного, векторного и инструкционного параллелизма; AI-помощь разрешалась. В статье января 2026 года сказано, что задание больше не используется: во второй версии убрали многоядерность, а на смену пришли задачи с небольшим набором инструкций.	✅ подтверждено компанией Designing AI resistant technical evaluations, Anthropic, опубликовано 2026-01-21, проверено 2026-09-29
Процесс для forward deployed engineer Forward deployed engineer (FDE)	Гайды описывают звонок с рекрутером, технический скрининг по сценарию — долгая задача через инструменты MCP, — прогрессивный кодинг, раунд с нанимающим менеджером, проектирование корпоративного внедрения Claude и раунд о ценностях.	† гайд или подборка Anthropic Forward Deployed Engineer (FDE) Interview Guide, Aced (formerly Exponent), проверено 2026-09-29
Финальный этап для solutions architect Архитектор AI-решений / customer engineer	Кандидат в 2025 году сообщает о трёх собеседованиях за два дня, включая интервью о культуре с вопросом, устроит ли его ситуация, если акции компании обесценятся до нуля.	🗣 отчёт кандидата Anthropic Solutions Architect Interview Experience - United Kingdom, Taro, candidate report, проверено 2026-09-29
Процесс для product engineer Разработчик AI-продуктов	Кандидат в 2025 году сообщает о живом кодинге, обсуждении продаж, интервью о культуре и разговоре с нанимающим менеджером.	🗣 отчёт кандидата Anthropic Product Engineer Interview Experience - New York, New York, Taro, candidate report, проверено 2026-09-29
Процесс для Research Fellowship	Кандидат сообщает об автоматическом 90-минутном задании по программированию из четырёх уровней, часе живого кодинга, проверке рекомендаций и 15-минутном обсуждении исследовательских идей. Пятичасовое домашнее задание с разбором и разговор о культуре были запланированы, но отменены после отказа по итогам обсуждения идей.	🗣 отчёт кандидата I failed my Anthropic interview and came to tell you all about it so you don't have to, Fail. Learn. Repeat., опубликовано 2025-02-12, проверено 2026-09-29
Собеседование prompt engineer (2023)	30-минутное техническое собеседование: править промпты в playground на основе таблицы, чтобы заданная доля ответов совпала с нужным результатом.	🗣 отчёт кандидата Anthropic AI Prompt Engineer Interview Experience - San Francisco, California, Taro, candidate report, проверено 2026-09-29

Кодинг: обязателен. Для технических ролей; интервью на нетехнические роли проходят в форме беседы (Careers, Anthropic, проверено 2026-09-26)

Официальные материалы для подготовки

• Guidance on Candidates' AI Usage, Anthropic, опубликовано 2025-07-10, проверено 2026-09-26
• Careers, Anthropic, проверено 2026-09-26

Вопросы, о которых сообщали для Anthropic

Основы LLM

• Как результаты Chinchilla меняют выбор размера модели и числа обучающих токенов при фиксированном бюджете вычислений?
  • Знания · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Понимание различия между оптимумом обучения и экономикой эксплуатации.
  • Сильный ответ покрывает:
    • Задать фиксированный бюджет вычислений и эмпирический характер зависимости.
    • Сбалансировать число параметров с достаточным объёмом обучающих токенов.
    • Отделить оптимум обучения от стоимости инференса и ограничений качества данных.
  • Читать: Training Compute-Optimal Large Language Models (Hoffmann et al., arXiv)
• Проследите размерности тензоров в слое decoder-only transformer и в финальной проекции на словарь.
  • Знания · Где спрашивали: Anthropic †
  • Что проверяет: Умение связать attention, residual-связи и логиты словаря в единое вычисление.
  • Сильный ответ покрывает:
    • Провести [B, T, d_model] через нормализацию, проекции Q, K, V с разбиением на головы, оценки [B, H, T, T] и выходную проекцию.
    • Держать residual-поток в d_model на всём пути: MLP расширяет до d_ff и сужает обратно перед каждым сложением.
    • Спроецировать финально нормализованный поток матрицей d_model × размер словаря в логиты [B, T, V] и перепроверить размерности для шага decode с KV-кешем.
  • Читать: Attention Is All You Need (Vaswani et al., arXiv)

Инференс, serving и стоимость

• Объясните батчинг на уровне итераций: как запросы добавляются в выполняющийся батч и покидают его?
  • Знания · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Понимание связи планировщика с утилизацией, справедливостью и ожиданием.
  • Сильный ответ покрывает:
    • Добавлять последовательности на границах итераций и удалять завершённые.
    • Ограничивать токены и KV-память, а не только число запросов.
    • Измерять ожидание и голодание запросов наряду с throughput.
  • Читать: Efficient Memory Management for Large Language Model Serving with PagedAttention (Kwon et al., arXiv)
• В первоначальном домашнем задании Anthropic для инженеров производительности, введённом в 2024 году и впоследствии снятом с использования, оптимизируйте последовательную программу для симулятора ускорителя с помощью многоядерного, векторного и инструкционного параллелизма.
  • Кодинг · Где спрашивали: Anthropic ✅
  • Что проверяет: Умение методично находить параллелизм и строить инструменты, чтобы измерять и отлаживать каждый шаг.
  • Сильный ответ покрывает:
    • Сначала обеспечить корректность: сверять каждый выход с последовательной версией и исправить имеющиеся ошибки до оптимизации.
    • Найти независимые итерации по зависимостям данных и разложить их по ядрам, SIMD-полосам и слотам инструкций за такт.
    • Измерять циклы симулятора после каждого изменения и по трассе инструкций искать простои и незанятые исполнительные блоки.
  • Читать: Designing AI resistant technical evaluations (Anthropic)

Агенты, инструменты и протоколы

• Как выбрать, назвать и описать инструменты, чтобы модель верно выбирала операцию и аргументы?
  • System design · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Умение уменьшать неоднозначность и измеримые ошибки вызовов.
  • Сильный ответ покрывает:
    • Выделить целостные операции с понятными именами и проверяемыми схемами.
    • Возвращать ограниченные релевантные результаты и понятные ошибки.
    • Проверять выбор инструмента и аргументов на реальных задачах и устранять неоднозначное дублирование.
  • Читать: Writing effective tools for AI agents—using AI agents (Anthropic)
• Спроектируйте память агента, работающего в нескольких сессиях: что сохранять, извлекать, пересматривать и забывать?
  • System design · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Умение различать долговременное состояние и текущий контекст.
  • Сильный ответ покрывает:
    • Отделить рабочий контекст одной сессии от состояния, которое должно её пережить.
    • Записывать в память подтверждённые итоги с происхождением и возможностью правки, а не каждую реплику.
    • Извлекать по релевантности текущей задаче, удаляя или замещая устаревшие записи.
  • Читать: Effective context engineering for AI agents (Anthropic)
• Как для coding agent отделить вклад модели от вклада harness в надёжное завершение задачи?
  • System design · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Умение установить источник улучшения контролируемым сравнением.
  • Сильный ответ покрывает:
    • Задать успех независимыми проверками поведения, границами исполнения и бюджетами, а не заявлением модели о готовности.
    • Отдельно сравнить изменения модели и обвязки на тех же задачах с повторными попытками; версионировать контекст, инструменты и тестовое окружение.
    • Разобрать трассы неверных правок, ослабления тестов, сбоев окружения и повторов; показать неопределённость и скрытые средним ошибки.
  • Читать: Demystifying evals for AI agents (Anthropic)
• Спроектируйте, как модель планирует и выполняет долгую задачу через инструменты MCP, оставаясь надёжной в пределах контекстного окна.
  • System design · Где спрашивали: Anthropic †
  • Что проверяет: Умение управлять состоянием, сбоями и бюджетом контекста на протяжении долгого выполнения с инструментами.
  • Сильный ответ покрывает:
    • Хранить план и прогресс в долговременном состоянии вне контекста, а не только в истории диалога.
    • Распределять бюджет контекста: отдавать результаты инструментов постранично и кратко, сжимать историю, подгружать детали по необходимости.
    • Сделать шаги с инструментами возобновляемыми и идемпотентными; проверить восстановление после отказа сервера посреди выполнения.
  • Читать: Model Context Protocol specification (Model Context Protocol) · Security Best Practices (Model Context Protocol) · Effective context engineering for AI agents (Anthropic)

Дообучение и post-training

• Объясните использование принципов, самокоррекции и AI-предпочтений в Constitutional AI и сохранённую зависимость от человеческих решений.
  • Знания · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Умение отличать сокращение разметки от устранения человеческого выбора ценностей.
  • Сильный ответ покрывает:
    • Разделить обучение на самокритике и исправлениях и RL по предпочтениям, сгенерированным AI.
    • Объяснить влияние выбранных принципов на критику, сравнения и обученную модель предпочтений.
    • Указать человеческий выбор принципов и оценки; сокращение разметки вредности не устраняет ценностные решения.
  • Читать: Constitutional AI: Harmlessness from AI Feedback (Bai et al., arXiv)

Оценка качества и наблюдаемость

• Как измерять неподтверждённые утверждения в работающем RAG-приложении, не принимая гладкий текст за правильный ответ?
  • System design · Где спрашивали: Anthropic †, OpenAI † · ✍ Ответ
  • Что проверяет: Умение отличать опору на источники от беглости и правдоподобия.
  • Сильный ответ покрывает:
    • Сделать единицей измерения утверждение, проверенное против фрагментов, реально найденных для этого ответа.
    • Масштабировать разметку судьёй, откалиброванным на размеченной людьми выборке.
    • Разделять ошибку поиска и недостоверную генерацию при отнесении причины.
  • Читать: Your AI Product Needs Evals (Hamel Husain)
• Спроектируйте критерии допуска изменений промпта и модели, включая ситуацию, когда общий рост скрывает критическую регрессию.
  • System design · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Учёт тяжести ошибок и неопределённости при выпуске.
  • Сильный ответ покрывает:
    • Версионировать кандидат, baseline, датасет и оценщиков.
    • Задать правила допуска для критических срезов и повторных стохастических запусков.
    • Сочетать офлайн-оценку с контролируемым rollout и явными критериями отката.
  • Читать: Demystifying evals for AI agents (Anthropic)
• Спроектируйте эксперимент для предполагаемой новой способности или смещения большой модели с контролем влияния формулировки задачи.
  • Прикладной сценарий · Где спрашивали: Anthropic †
  • Что проверяет: Умение проверять утверждение о способности и рассматривать альтернативные объяснения.
  • Сильный ответ покрывает:
    • Превратить утверждение в предсказание с метрикой, порогом и результатом, который его опроверг бы.
    • Контролировать формулировку: перефразированные промпты, перемешанные варианты, сбалансированный порядок и непрерывные метрики рядом с точным совпадением.
    • Исключить загрязнение и артефакты оценки: новые задания, сравнение с меньшими моделями и повторные сэмплы.
  • Читать: Are Emergent Abilities of Large Language Models a Mirage? (Schaeffer et al., arXiv)
• В коротком разговоре без подготовки предложите проверяемые идеи о поведении языковой модели, для которых нужен не внутренний доступ, а внимательное наблюдение.
  • Знания · Где спрашивали: Anthropic 🗣
  • Что проверяет: Умение быстро выдвигать конкретные проверяемые гипотезы о поведении модели.
  • Сильный ответ покрывает:
    • Формулировать каждую идею как поведение, контролируемое изменение промпта и ожидаемый измеримый результат.
    • Опираться на наблюдаемые рычаги: позицию информации, порядок вариантов, длину, персону, язык и повторные сэмплы.
    • Назвать, сколько сэмплов и какой контроль отличат реальный эффект от шума или формулировки промпта.
  • Читать: Lost in the Middle: How Language Models Use Long Contexts (Liu et al., arXiv)
• Измените промпт так, чтобы заданная доля ответов модели соответствовала нужному результату, и покажите, как вы это измерили.
  • Прикладной сценарий · Где спрашивали: Anthropic 🗣
  • Что проверяет: Опираются ли правки промпта на измерения по набору примеров, а не на отдельные случаи.
  • Сильный ответ покрывает:
    • Сначала задать нужный результат как проверку с бинарным исходом и собрать представительный набор примеров.
    • Менять по одному элементу за раз и сэмплировать каждый пример несколько раз, поскольку ответы различаются между прогонами.
    • Показать долю с доверительным интервалом на отложенных примерах, чтобы прирост не оказался подгонкой.
  • Читать: Evaluation best practices (OpenAI API documentation) · Your AI Product Needs Evals (Hamel Husain)

Безопасность, защита и governance

• Ассистент читает внешнюю почту, ищет внутренние документы и отправляет ответы. Как атакующий может изменить его поведение и как ограничить ущерб?
  • System design · Senior · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Умеете ли вы находить границы доверия и обеспечивать права доступа вне модели.
  • Сильный ответ покрывает:
    • Разделить содержимое недоверенного письма и полномочия на чтение или отправку.
    • Ограничить инструменты и адресатов; требовать явного подтверждения передачи чувствительных данных.
    • Проверять косвенную инъекцию и попытки утечки; одного промпта недостаточно.
  • Читать: OWASP Top 10 for LLM Applications (OWASP Gen AI Security Project) · The lethal trifecta for AI agents: private data, untrusted content, and external communication (Simon Willison) · Prompt injection (series) (Simon Willison)
• Как вы организуете безопасное внедрение AI-модели в промышленную эксплуатацию?
  • System design · Senior · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Связываете ли вы оценку рисков с ответственностью за решение о выпуске.
  • Сильный ответ покрывает:
    • Определить назначение, затронутые группы и недопустимые последствия.
    • Назначить ответственных за оценку, принятие остаточного риска и инциденты.
    • Предусмотреть постепенный запуск, мониторинг и проверенный откат или остановку.
  • Читать: AI Risk Management Framework (NIST) · Site Reliability Engineering (Google) · Anthropic's Responsible Scaling Policy (Anthropic)
• Расскажите о ситуации, когда сроки вступили в противоречие с требованиями безопасности. Как вы приняли решение?
  • Поведенческий · Senior · Где спрашивали: Anthropic 🗣 · ✍ Ответ
  • Что проверяет: Умеете ли вы явно обсуждать риски и ответственность под давлением сроков.
  • Сильный ответ покрывает:
    • Описать конкретную угрозу и доступные на тот момент данные.
    • Объяснить альтернативы, эскалацию и полномочия на принятие остаточного риска.
    • Честно изложить результат и последующие изменения в контроле.
  • Читать: AI Risk Management Framework (NIST)
• Какую нерешённую проблему согласования AI с человеческими намерениями вы считаете наиболее важной и почему?
  • Знания · Senior · Где спрашивали: Anthropic †
  • Что проверяет: Разделяете ли вы аргументы и предположения и понимаете ли, какие данные нужны.
  • Сильный ответ покрывает:
    • Выбрать одну конкретную проблему, например reward hacking или недостоверные рассуждения, и назвать её вред.
    • Отделить то, что показывают текущие данные, от экстраполяции и назвать предположение, на котором держится аргумент.
    • Назвать данные, которые изменили бы ваш приоритет, и измеримый исследовательский шаг к ним.
  • Читать: Scaling Laws for Reward Model Overoptimization (Gao, Schulman and Hilton, arXiv) · Reasoning Models Don't Always Say What They Think (Chen et al., arXiv) · Concrete Problems in AI Safety (Amodei et al., arXiv)
• Как вы сопоставите улучшение качества модели и снижение её интерпретируемости?
  • Прикладной сценарий · Senior · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Связываете ли вы компромисс со сценарием применения, последствиями и доступными мерами контроля.
  • Сильный ответ покрывает:
    • Выяснить, зачем здесь интерпретируемость: объяснять решения затронутым людям, оспаривать их, валидировать модель или отлаживать.
    • Сопоставить выигрыш с последствиями ошибок и с мерами контроля, не зависящими от устройства модели.
    • Проверить выигрыш на важных срезах, с мониторингом результатов и более простой резервной моделью.
  • Читать: Supervisory Letter SR 11-7 on guidance on Model Risk Management (Board of Governors of the Federal Reserve System) · AI Risk Management Framework (NIST)

Дизайн AI-систем

• Спроектируйте потоковый чат для сотен миллионов пользователей с планированием мощности, хранением диалогов и работой при перегрузке.
  • System design · Где спрашивали: Anthropic †, Google и Google DeepMind †, Meta †, OpenAI † · ✍ Ответ
  • Что проверяет: Умение вывести решения по мощности и надёжности из предположений о масштабе.
  • Сильный ответ покрывает:
    • Оценить число потоков, спрос на токены и хранение по явным предположениям о трафике.
    • Разделить допуск запросов, планирование инференса и долговременное состояние диалога.
    • Предусмотреть запас мощности, отмену, отказ при перегрузке и восстановление после частичного сбоя.
  • Читать: Site Reliability Engineering (Google) · Efficient Memory Management for Large Language Model Serving with PagedAttention (Kwon et al., arXiv)
• Как поддержать несколько вопросов в одном диалоге, сохраняя порядок реплик и согласованность общего контекста?
  • System design · Где спрашивали: Anthropic †
  • Что проверяет: Умение явно задать согласованность параллельных обновлений диалога.
  • Сильный ответ покрывает:
    • Сначала выбрать семантику: сериализовать реплики внутри диалога или ветвить его, давая каждой ветке свой снимок.
    • Дописывать реплики с порядковым номером внутри диалога и ключом идемпотентности, отклоняя устаревшие записи.
    • Проверить на чередующихся запросах, повторах той же реплики и отменах, что история не дублируется и не перемешивается.
  • Читать: Designing robust and predictable APIs with idempotency (Stripe)
• Спроектируйте распределённый поиск по миллиарду документов при миллионе запросов в секунду; задайте предположения о разбиении и мощности.
  • System design · Где спрашивали: Anthropic †
  • Что проверяет: Умение обосновать индексацию, fan-out и хвостовую задержку расчётами.
  • Сильный ответ покрывает:
    • Оценить объём индекса на документ и нагрузку на шард, чтобы вывести число шардов и реплик.
    • Выбрать разбиение по документам или по термам, учитывая, что fan-out на все шарды усиливает хвостовую задержку.
    • Сдерживать хвосты дублирующими запросами и частичными результатами; проверить p99 при отказе шарда и переиндексации.
  • Читать: The Tail at Scale (Dean and Barroso, Google Research)
• Спроектируйте безопасный API доступа к моделям для разработчиков: аутентификация, квоты, потоковые ответы и обратная совместимость.
  • System design · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Понимание endpoint модели как долгосрочного платформенного контракта.
  • Сильный ответ покрывает:
    • Аутентифицировать по ключу с областями доступа и считать токены и параллельность, а не только запросы.
    • Отдавать поток инкрементально с идентификаторами запроса и определить поведение клиента при обрыве.
    • Развивать контракт аддитивно: версионирование, окна устаревания и опубликованные лимиты.
  • Читать: Scaling your API with rate limiters (Stripe)

Практический кодинг

• Реализуйте scaled dot-product attention с causal mask и тестами, выявляющими доступ к будущим токенам.
  • Кодинг · Где спрашивали: Amazon †, Anthropic †, Google и Google DeepMind † · ✍ Ответ
  • Что проверяет: Умение корректно реализовать размерности, маскирование и численную устойчивость.
  • Сильный ответ покрывает:
    • Проверить размерности батча, последовательности и голов до вычисления scores.
    • Использовать устойчивый softmax после маскирования запрещённых позиций.
    • Проверить малые ручные примеры и неизменность ранних выходов при изменении будущих входов.
  • Читать: Attention Is All You Need (Vaswani et al., arXiv)
• Реализуйте token-bucket limiter и объясните изменения для общего лимита, применяемого несколькими воркерами.
  • Кодинг · Где спрашивали: Anthropic †, OpenAI † · ✍ Ответ
  • Что проверяет: Умение сохранить квоту при учёте времени и параллельных обновлениях.
  • Сильный ответ покрывает:
    • Пополнять токены по монотонному времени с ограничением ёмкости.
    • Сделать проверку и списание атомарными для конкурирующих вызовов.
    • Проверить всплески и временные границы; задать контракт общего хранилища или разбиения для распределённого лимита.
  • Читать: Scaling your API with rate limiters (Stripe)
• Напишите асинхронный обработчик батча API-запросов с ограничением конкурентности, jitter повторов и изоляцией ошибок элементов.
  • Кодинг · Где спрашивали: Anthropic †, Perplexity † · ✍ Ответ
  • Что проверяет: Умение корректно задать отмену, повторы и результаты при частичных отказах.
  • Сильный ответ покрывает:
    • Ограничить число выполняемых запросов и передавать отмену и deadline.
    • Повторять подходящие ошибки с ограниченным backoff и jitter, учитывая идемпотентность.
    • Возвращать результат каждого элемента и проверить тайм-ауты, постоянные ошибки и частичный успех.
  • Читать: Designing robust and predictable APIs with idempotency (Stripe) · Site Reliability Engineering (Google)

Руководство инженерными командами

• Расскажите, как развивалась карьера человека, которого вы наставляли.
  • Поведенческий · Senior · Где спрашивали: Anthropic 🗣 · ✍ Ответ
  • Что проверяет: Помогаете ли вы развиваться через задачи и обратную связь, не присваивая чужие достижения.
  • Сильный ответ покрывает:
    • Описать цель развития сотрудника и исходную ситуацию.
    • Объяснить, как наставничество помогло выбрать действия.
    • Отделить достижения сотрудника от вашей поддержки.
  • Читать: [re:Work] Google's New Manager Training Slides (Google re:Work)
• Что вы делаете, когда команда не согласна с предложенным вами направлением?
  • Прикладной сценарий · Senior · Где спрашивали: Anthropic 🗣 · ✍ Ответ
  • Что проверяет: Готовы ли вы обсуждать возражения, сохраняя ответственность за решение.
  • Сильный ответ покрывает:
    • Уточнить спорные предположения и разобрать самое сильное возражение.
    • Использовать данные или ограниченный эксперимент, если это поможет разрешить спор.
    • Объяснить полномочия, сообщить решение и условия его пересмотра.
  • Читать: Design Docs at Google (Industrial Empathy)
• Какой самой большой командой вы руководили и как при таком масштабе менялись ваши обязанности?
  • Самопрезентация · Senior · Где спрашивали: Anthropic 🗣 · ✍ Ответ
  • Что проверяет: Соответствовал ли ваш способ управления реальному масштабу и сложности.
  • Сильный ответ покрывает:
    • Назвать размер точно: прямые подчинённые, руководители под вами, общая численность и за что отвечала команда.
    • Объяснить, что вы перестали делать сами и какие механизмы заменили ваше прямое участие.
    • Закончить сигналом, по которому было видно, работает ли модель управления, и тем, что вы поменяли в ответ.
  • Читать: [re:Work] Google's New Manager Training Slides (Google re:Work)

Программы и delivery

• Представьте крупную инициативу, которой вы руководили: что сработало, что нет и чему вы научились.
  • Самопрезентация · Senior · Где спрашивали: Anthropic 🗣 · ✍ Ответ
  • Что проверяет: Умеете ли вы честно оценить инициативу на этапах планирования и выполнения.
  • Сильный ответ покрывает:
    • Выбрать инициативу, за которую отвечали целиком, и назвать её исходную цель в измеримых величинах.
    • Разделить ошибки планирования и исполнения и назвать одно собственное решение, которое сейчас приняли бы иначе.
    • Закончить результатом относительно исходной цели и практикой, которую поменяли после.
  • Читать: Postmortem Culture: Learning from Failure (Google)
• Расскажите о проекте, за который отвечали от начала до конца, и его ключевых технических решениях.
  • Самопрезентация · Senior · Где спрашивали: Anthropic †
  • Что проверяет: Связываете ли вы технические решения с ограничениями, порядком работ и результатами.
  • Сильный ответ покрывает:
    • Выбрать проект, за который вы отвечали от начала до конца, и показать, как ограничения задали порядок работ.
    • Разобрать два-три ключевых решения, каждое с отвергнутой альтернативой и причиной выбора.
    • Закончить связью каждого решения с измеренным результатом, включая то, чья цена проявилась позже.
  • Читать: Design Docs at Google (Industrial Empathy)
• Расскажите о техническом просчёте, из-за которого задержался проект.
  • Поведенческий · Senior · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Умеете ли вы находить ошибочные предположения и менять подход к планированию.
  • Сильный ответ покрывает:
    • Выбрать просчёт, который был техническим и вашим, и сформулировать его как допущение, в которое вы тогда верили.
    • Показать, когда появились первые данные против него, сколько времени ушло на реакцию и во что обошлась задержка.
    • Назвать изменённую практику планирования, например раннюю проверку рискованных допущений, и где она потом помогла.
  • Читать: Postmortem Culture: Learning from Failure (Google) · Design Docs at Google (Industrial Empathy)

Прикладные и клиентские сценарии

• Корпоративный клиент сообщает, что Claude галлюцинирует в ассистенте с поиском по базе знаний. Как вы начнёте разбор ошибок?
  • Прикладной сценарий · Senior · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Различаете ли вы ошибки поиска, неподтверждённую генерацию и неверно понятые ожидания пользователя.
  • Сильный ответ покрывает:
    • Собрать конкретные неудачные случаи с полными трассировками: вопрос, найденные фрагменты, собранный промпт и ответ.
    • Отнести каждый к промаху поиска, ответу без опоры на найденный текст или вопросу, на который в корпусе нет ответа.
    • Показать распределение в цифрах, сначала устранить преобладающую причину и сохранить случаи как регрессионный набор.
  • Читать: Your AI Product Needs Evals (Hamel Husain)
• Как вы объясните сложный результат AI-исследования нетехнической аудитории?
  • Прикладной сценарий · Senior · Где спрашивали: Anthropic †
  • Что проверяет: Умеете ли вы объяснить значение и ограничения результата без преувеличений.
  • Сильный ответ покрывает:
    • Выяснить, кто аудитория и какое её решение должен помочь принять этот результат.
    • Жертвовать деталями, но не точностью: одна честная аналогия, что измеряли и с чем сравнивали.
    • Назвать, чего результат не показывает, и проверить, что слушатели могут пересказать его пределы.
  • Читать: Data and AI Ethics Framework (Government Digital Service)

Поведенческие вопросы и ценности

• Почему вы хотите работать в Anthropic и в чём не согласны с её подходом?
  • Самопрезентация · Senior · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Основана ли мотивация на понимании компании и сохраняете ли вы самостоятельность суждений.
  • Сильный ответ покрывает:
    • Связать конкретную публичную работу или решения компании со своими профессиональными интересами.
    • Сформулировать обоснованное несогласие и данные, которые могли бы изменить вашу позицию.
    • Объяснить свой возможный вклад и конструктивную работу при сохранении разногласий.
  • Читать: Careers (Anthropic)
• Расскажите о моральном конфликте, возникшем у вас в работе. Как вы поступили?
  • Поведенческий · Senior · Где спрашивали: Anthropic 🗣
  • Что проверяет: Умеете ли вы объяснить ценности, последствия и действия без заученных лозунгов.
  • Сильный ответ покрывает:
    • Выбрать случай с реальной ставкой, где разумные люди могли разойтись, а не очевидное нарушение.
    • Выразить ценность через последствия: кого и как это затронуло бы и какие у вас были варианты.
    • Описать, что вы сделали, чего это вам стоило и какую границу будете держать в следующий раз.
  • Читать: Data and AI Ethics Framework (Government Digital Service)
• Какие риски развитых AI-систем вы считаете существенными?
  • Знания · Senior · Где спрашивали: Anthropic †
  • Что проверяет: Умеете ли вы последовательно изложить позицию о рисках AI и её основания.
  • Сильный ответ покрывает:
    • Разделить классы рисков — злоупотребление, непредусмотренное поведение моделей, более широкие структурные эффекты — и назвать главный для вас.
    • Привязать каждый риск к имеющимся данным и ясно отметить, где вы экстраполируете, а не наблюдаете.
    • Назвать, какие данные изменили бы вашу оценку и какие меры, например оценки возможностей моделей, проверяемы уже сейчас.
  • Читать: Anthropic's Responsible Scaling Policy (Anthropic) · International AI Safety Report (UK Department for Science, Innovation and Technology)
• Расскажите об обратной связи, которую было трудно услышать, и о том, как вы её использовали.
  • Поведенческий · Senior · Где спрашивали: Anthropic † · ✍ Ответ
  • Что проверяет: Умеете ли вы отвечать на критику конкретными выводами и действиями.
  • Сильный ответ покрывает:
    • Изложить обратную связь прямо, в тех словах, в которых её дали, не смягчая.
    • Отделить первую реакцию от вывода, сделанного после проверки.
    • Назвать изменение и более поздний случай, показывающий, что оно закрепилось.
  • Читать: [re:Work] Google's New Manager Training Slides (Google re:Work)
• Остались бы вы в компании, если бы её акции обесценились до нуля?
  • Поведенческий · Где спрашивали: Anthropic 🗣
  • Что проверяет: Держится ли ваша мотивация на миссии и работе, а не на финансовой выгоде.
  • Сильный ответ покрывает:
    • Ответить честно, назвав, что на самом деле удерживает вас в этой работе: миссия, задачи, люди.
    • Отличить потребность в справедливой зарплате от расчёта на рост стоимости акций и признать, что деньги важны.
    • Подкрепить ответ прошлым выбором, если он был, когда работа перевесила деньги.
  • Читать: Compensation at Gitlab (GitLab Handbook)

OpenAI →