Roblox DS 面经 ，linkedin海投简历会收到recruiter回复，先是和recruiter电话聊天，然后安排电面，外包给Karat做，题不算难，tree找single parent和no parent的node。Roblox 的VO一共四轮：
- 两轮算法：第一轮两道题，第一道树算出每层的average，第二道implement两个methods，push和get，每个操作都会把该element的index变为0；
- 第二轮会问DS、统计、BQ和Tech相关的知识，比较偏综合面试；
- 下一轮高管Onsite，见到director、VP和CEO，director和VP基本就是问了behavior的问题，CEO只是聊了一下。
Recruiter反应很快，有问必答，公司的饭还挺好吃的，每人每天$15的免费额度，但是东西便宜，绰绰有余，这家公司前景还是很好的。
Roblox DS数据科学面经
Tech面：
- 如果 Roblox 想在新的 country 推广业务，如何判断是否应该进入该市场？如果进入，应该优先推广哪些游戏？
- 有一家外卖公司，某个关键 metric（例如 conversion rate）在三四天内突然下降。你会如何分析和解决这个问题？
- 之后进一步讨论：如何设计实验来测试你的解决方案？如何划分 treatment group 和 control group？如果无法随机分组，该如何处理？
- 解释什么是 confounding factor。
- 取三个点，使这三个点之间的 correlation 等于 1。
- 在一个n × m 的grid 中，每一行选择一个最小值，但要求相邻两行不能选择同一列的元素。
- 一个运动员最多能承重 n，物品数量不限，数组表示每件物品的重量。求在不超过承重限制的情况下最多能拿的总重量。
- 手上有 n 个物品，每个物品都有一个 id。去掉 k 个物品后，剩余不同 id 的数量最少是多少？
- 给定一个grid和maxSum，求最大的边长 k，使得 grid 中所有 k × k 的 subgrid 的和都小于 maxSum。
- 问到怎么给开放世界做空间查询优化，我提了用Octree把空间切块管理，面试官看起来比较认可。
- 百万级玩家的实时排行榜怎么搞，我直接说了用Redis的Sorted Set，这基本是标准答案了，毕竟O(log N)的复杂度确实给力。
- 还聊了网络协议，比如玩家实时同步这种就得用UDP，延迟低，丢一两个packet问题不大，但关键指令还是得保证可靠性。
Product ：
围绕功能评估展开，比如衡量推送质量（点击率升但用户活跃降咋破局？需拆解核心指标、细分用户群找原因）；新功能（如 IG group call）从需求分析（call loop 数据、survey 支撑）、设定人数阈值（95 分位定标准）到 AB 测试设计（cluster randomization 防网络效应干扰），要讲全流程逻辑。
统计与概率：
考独立事件概率（如 bot 回复连续性）、假设检验（双比例 z-test 对比 LLM 好评率），还有贝叶斯题（已知坏用户发好友请求特征，求收到请求来自坏用户概率），得熟练运用统计方法拆解问题
BQ：
围绕 “collaboration” 和 “trade-off” 展开。比如团队冲突如何化解（强调沟通与共识）、说服 PM 上线新功能（讲清主指标增长与次要指标短期下跌的长期价值，体现数据驱动决策），要用真实经历 + 清晰逻辑展现文化适配度。
建议：
Meta 面试极抠细节，不管是 SQL 加权方法，还是 AB 测试的 cluster 划分逻辑，都要能深入阐释。
备考时，DS 岗需要围绕三个方面准备：
• 硬磕复杂 SQL、概率统计题
• 练好用业务语言（大白话）向 PM 解释分析结果
• 刷透高频题，吃透 Meta network effect 相关内容（如社交功能设计的网络效应考量）。
准备小结
如果你也在准备 Roblox DS 或其他大厂的 OA／VO，可以直接联系 interviewAid 了解对应的面试辅助和陪跑支持。如果你想找我辅助面试，或者用 Roblox DS 面经 中的原题 mock，感受最真实的 feedback，欢迎戳我。
全网唯一一家支持 L6 以上 system design mock，只放真实面经。
求职辅助服务，是关于时间和品质的较量。咨询interviewAid，获取最专业的Tech求职辅助。