通用 ML 与 PyTorch 是主体
Shape、broadcasting、loss、MLP、训练循环、metrics、debugging、baseline 和模型选择，跨公司重复出现。MSE 和 MLP 不是“太简单”，而是所有高级题的依赖。
EVIDENCE ATLAS · TECHNICAL QUESTION BANK · FIELD GUIDE
别猜题。
建立证据。
这不是一张“两周速成清单”，而是一套可以读数周、反复练习、继续更新的 AI for Science 面试参考书。先用 135 条真实记录划定边界，再把每种能力做成可运行的 PyTorch 题、case、repo 阅读和 PR review。
● LILA CONFIRMED
◆ OBSERVED ELSEWHERE
◇ PRACTICE VARIANT
135逐页打开并编码的面试记录；100 条核心，35 条补充
73家公司；AI for Science、小型蛋白公司、研究实验室与方法对照
03Lila 三场技术面：live coding、ML case、code comprehension
01 / WHAT THE EVIDENCE ACTUALLY SAYS
你的假设方向对了，但“纯计算机”不是 LeetCode。
蛋白是领域覆盖层
蛋白题面改变 amino-acid token、padding、homology split、结构单位、约束、validity 与 wet-lab 验证。它不替代机器学习基本功，也不能被完全删掉。
半小时写完整生成模型
可靠粒度是 attention 或 mask、VAE reparameterization/KL、diffusion forward noising/noise loss。没有证据支持完整 Transformer、VAE 或 diffusion pipeline 是默认题。
02 / THE FOUR-VOLUME SET
短期过 Lila，长期可迁移。
I
II
III
IV
EVIDENCE ATLAS
135 条记录，逐条看来源与局限
按公司、岗位、领域、能力、相关性和来源筛选。统计只描述本样本，不伪装成出题概率。
100 CORE + 35 SUPPLEMENT ↗TECHNICAL QUESTION BANK
从手写 MSE 到 diffusion 小组件
完整 PyTorch 参考答案、最小测试、评分点、追问、ML fundamentals 与 scientific case。
60+ QUESTIONS · FULL ANSWERS ↗LILA FIELD GUIDE
从 screening 到 research talk
Lila 一手流程、repo 预读、unseen PR rubric、14 个详细 review 情境与 14 天计划。
CONFIRMED / OBSERVED / PRACTICE ↗JOB SEARCH OPERATING SYSTEM
理解 Research Engineering，也理解岗位风险
岗位谱系、JD 精读、申请组合、简历、research narrative、面试循环、offer 尽调和持续复盘。
21 CHAPTERS · REUSABLE TEMPLATES ↗03 / LILA: FACTS BEFORE PRACTICE
目前真正已知的，只有这些。
LIVE CODINGLILA CONFIRMED
从零写 PyTorch 与 basic ML primitives
蛋白设计或相邻题面；不考 CV；“super small, half an hour, nothing super complicated”；现场不能用 AI。
ML CASELILA CONFIRMED
口头走一个机器学习问题
定义问题、数据、baseline、模型、loss、metric、失败分析和实验验证；中间会持续追问。
CODE COMPREHENSIONLILA CONFIRMED
提前 repo，加一份现场 unseen PR
预读 repo 时可以用 AI；面试时解释已读代码，再理解新 PR。具体 repo、技术栈、PR 大小和 rubric 未知。
FINALLILA CONFIRMED
Conversational one-to-ones 与 research talk
talk 名义约一小时，但建议准备可压到约 40 分钟的版本，因为提问很多；另有多场约 30 分钟 one-to-one。
04 / THE TWO-WEEK ENTRY PATH
基础先闭环，再覆盖高级模型。
DAYS 01–04P0 · 50%
Tensor、loss、MLP、train/eval、debug
验收不是“看懂”，而是无 AI 写出、运行、用 toy batch overfit，并解释每个 shape。
DAYS 05–07P1/P2 · 25%
Attention、mask、VAE 与 diffusion 最小组件
只练半小时适配粒度。第一周末做一次完整三轮模拟，按错误日志补基础。
DAYS 08–10DOMAIN LAYER
Protein data、split、geometry 与 production
把领域覆盖层加到通用能力上：homology leakage、missing atoms、units、equivariance、cache 和 checkpoint。
DAYS 11–14SIMULATE
HM、talk、真实 repo 与全流程模拟
Day 14 减量，不再开新主题。最低、标准和冲刺三条路径都在 Lila 卷内给出。
05 / RESEARCH BOUNDARY
没有找到 exact Lila 原题。这一点本身很重要。
当前流程来自一手录音
三场技术面、无 AI、repo + PR、约 40 分钟可裁剪 talk 都是面试官亲自说明，不是网上推测。
近邻记录定义题型和评分信号
PathAI、Tempus、Genentech、10x、Anthrogen、Slack、Snyk、Deliveroo 等分别补足 coding、case、talk、repo 和 PR。
prompt、repo 与 rubric 仍未知
网页不把未知填成“高频题”。所有模拟题都带 Practice Variant 标签，并说明推导链。