这次来分享一位同学的 TikTok Virtual Onsite 面经。 TikTok VO 一向比较有特点，既考察常见的算法 coding，又会结合论文里的细节问一些偏八股的内容，尤其是 Transformer、优化器、训练参数这些，对基础功底的要求很高。
1. Coding: Search in Rotated Sorted Array
题目是一个经典的 Leetcode 33：
Problem:
Given a sorted and rotated array of n distinct elements, find the given key in the array.
换句话说，就是在一个排序好的旋转数组中，找到 target 的 index。
解法也很标准：
- 判断哪一部分是有序的；
- 如果 target 落在有序区间，就在这一半继续二分；
- 否则就去另一半。
Complexity:
- 时间复杂度：O(log n)
- 空间复杂度：O(1)
整体难度不大，但需要写得清晰简洁，边界情况要注意。
2. 八股：基于论文的深挖提问
这一部分比较硬核，面试官直接给了一段论文里的 Transformer 模型和训练参数配置，然后围绕它展开提问。大概的配置如下：
- Transformer: 32 layers, 32 heads (64 dim), rotary embedding with dim 32
- Context length: 2048, used flash-attention
- Training: random init, fixed learning rate, weight decay 0.1, optimizer Adam (momentum 0.9, 0.98, epsilon 1e-7)
- Precision: fp16 with DeepSpeed ZeRO Stage2
- Batch size: 2048, train for 150B tokens
面试官的问题也非常细，基本就是把参数逐一拆开问：
head 的作用是什么？multi-head 的公式能写一下吗？还有哪些别的 attention 方法？
rotary embedding 是什么？和其他 embedding 方法相比优势在哪里？
为什么用 rotary embedding，好处是什么？如何处理 long distance context？
Flash-Attention 是什么？为什么能加速？
Adam 为什么适合这个场景？三个参数（momentum, epsilon 等）都具体什么意思？
为什么选择 fixed learning rate，而不是 warm-up？
weight decay 是什么？对训练有什么帮助？
fp16 精度的意义是什么？还有哪些精度方式（比如 bf16, fp32）？
DeepSpeed ZeRO Stage2 是什么，起什么作用？
可以看出来，这一部分的重点不是让你背定义，而是要你能把 核心原理讲清楚，最好还能结合实际场景说出 trade-off。
总结
TikTok 的 VO 强调 平衡：
- Coding 部分就是常见的经典题，考察你的代码实现能力和思路是否熟练。
- 八股部分完全是细节深挖，看你对 Transformer、优化器和训练过程是否理解到位。
整体下来并不算刁钻，但对基础要求高。如果只是背概念，很容易被追问卡住。
👉 想要顺利通过 TikTok 这样的面试，除了刷题，还要把论文里的基础吃透，尤其是 Attention, Embedding, Optimizer, Training Tricks 这几块，准备时最好能结合公式+实际工程经验来讲。
关于 PROGRAMHELP
我们团队一共 7 人，全部来自顶尖名校 & 大厂背景：Oxford、Princeton、北大硕博，还有来自 Amazon、Google、阿里的工程师。这里没有中介加价，所有服务都由我们亲自完成。
我们提供的服务包括：
- OA 代写 & 包过服务：HackerRank、Codesignal、牛客网等平台测试，确保 100% 通过。
- VO / 面试实时助攻：学长亲自语音提醒 + 思路提示，让你在面试中从容发挥。
- 代面试 & 全套护航：从简历包装到面试代面、系统设计助攻，再到签约谈判，全程陪跑直到你拿到满意 Offer。
- 其他定制服务：模拟面试、编程代写、算法辅导、Quant 面试支持、留学生入学面试代面等，都能按需安排。
我们承诺 效率高、保密强、结果导向。有需要可以随时联系，学长会亲自沟通，最快 24h 内帮你解决问题，直到拿到理想 Offer。
