這次來分享一位同學的 TikTok Virtual Onsite 面經。 TikTok VO 一向比較有特點，既考察常見的演算法 coding，又會結合論文里的細節問一些偏八股的內容，尤其是 Transformer、優化器、訓練參數這些，對基礎功底的要求很高。
1. Coding: Search in Rotated Sorted Array
題目是一個經典的 Leetcode 33：
Problem:
Given a sorted and rotated array of n distinct elements, find the given key in the array.
換句話說，就是在一個排序好的旋轉陣列中，找到 target 的 index。
解法也很標準：
- 判斷哪一部分是有序的;
- 如果 target 落在有序區間，就在這一半繼續二分;
- 否則就去另一半。
Complexity:
- 時間複雜度：O（log n）
- 空間複雜度：O（1）
整體難度不大，但需要寫得清晰簡潔，邊界情況要注意。
2. 八股：基於論文的深挖提問
這一部分比較硬核，面試官直接給了一段論文里的 Transformer 模型和訓練參數配置，然後圍繞它展開提問。 大概的設定如下：
- 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
面試官的問題也非常細，基本就是把參數逐一拆開問：
head 的作用是什麼？ multi-head 的公式能寫一下嗎？ 還有哪些別的 attention 方法？
rotary embedding 是什麼？ 和其他 embedding 方法相比優勢在哪裡？
為什麼用 rotary embedding，好處是什麼？ 如何處理 long distance context？
Flash-Attention 是什麼？ 為什麼能加速？
Adam 為什麼適合這個場景？ 三個參數（momentum， epsilon 等）都具體什麼意思？
為什麼選擇 fixed learning rate，而不是 warm-up？
weight decay 是什麼？ 對訓練有什麼説明？
fp16 精度的意義是什麼？ 還有哪些精度方式（比如 bf16， fp32）？
DeepSpeed ZeRO Stage2 是什麼，起什麼作用？
可以看出來，這一部分的重點不是讓你背定義，而是要你能把 核心原理講清楚，最好還能結合實際場景說出 trade-off。
總結
TikTok 的 VO 強調 平衡：
- Coding 部分就是常見的經典題，考察你的代碼實現能力和思路是否熟練。
- 八股部分完全是細節深挖，看你對 Transformer、優化器和訓練過程是否理解到位。
整體下來並不算刁鑽，但對基礎要求高。 如果只是背概念，很容易被追問卡住。
👉 想要順利通過 TikTok 這樣的面試，除了刷題，還要把論文里的基礎吃透，尤其是 Attention, Embedding, Optimizer, Training Tricks 這幾塊，準備時最好能結合公式+實際工程經驗來講。
關於 PROGRAMHELP
我們團隊一共 7 人，全部來自頂尖名校 & 大廠背景：Oxford、Princeton、北大碩博，還有來自 Amazon、Google、阿裡的工程師。 這裡沒有仲介加價，所有服務都由我們親自完成。
我們提供的服務包括：
- OA 代寫 & 包過服務：HackerRank、Codesignal、牛客網等平臺測試，確保 100% 通過。
- VO / 面試即時助攻：學長親自語音提醒 + 思路提示，讓你在面試中從容發揮。
- 代面試 & 全套護航：從簡歷包裝到面試代面、系統設計助攻，再到簽約談判，全程陪跑直到你拿到滿意 Offer。
- 其他定製服務：模擬面試、程式設計代寫、演算法輔導、Quant 面試支援、留學生入學面試代面等，都能按需安排。
我們承諾 效率高、保密強、結果導向。 有需要可以隨時聯繫，學長會親自溝通，最快 24h 內幫你解決問題，直到拿到理想 Offer。
