TikTok / ByteDance OA 面试辅助：CodeSignal 两套卷与 ML 从零实现

Coding 高频：岛屿数量及其相同形状 follow-up、LRU Cache、二叉树最大路径和、合并 K 个有序链表、基本计算器、最长回文子串与 Manacher、N 皇后、课程表拓扑排序。

手写数据结构：数组实现的最小堆（含上浮与下沉）、LRU 与 LFU、支持 snapshot 与 restore 的内存 KV Store、orderbook 的 best bid 与 best ask 接口。

ML 八股与实现：Transformer 结构与 self-attention、attention score 的缩放、dropout 训练与推理差异、K-means 与 GMM 的 EM 步骤、precision 与 recall 与 F1、AUC-ROC 与 softmax 的手写实现。

系统设计：短链系统、直播间违规处罚、群聊消息通知、限时抢券的公平性、rate limiter、任务调度的依赖与失败处理。

环境与流程：确认面试链接可用、提前进入会议室调试设备，并主动跟进 HR 与 coordinator 的响应节奏。

本篇聚焦 OA 形态与 ML 从零实现；岗位路线（SWE / MLE / DE / USDS）的完整准备路径见站内 TikTok / ByteDance 公司攻略主篇，两篇互补。

公司按 frontmatter 匹配到 181 条同学提供的面经样本，其中 category 标为 Fail 的 75 条、标为 Pass 的 33 条、WaitList 11 条，其余为过程记录或提问帖，说明这一家的挂经比例明显偏高。

OA 平台以 CodeSignal 为主：ML 条线是 70 分钟 10 题并要求证件验证、开摄像头与麦克风；SWE 条线是 1 小时 10 分钟 4 题并要求分享屏幕，另有 60 分钟 2 题的旧样本。

题量分布很不对称：Research / ML 方向的 coding 少但覆盖面广，SWE 方向的 coding 基本是经典题，同学提供的面经样本里反复出现岛屿数量、LRU、二叉树最大路径和、合并 K 个有序链表与基本计算器。

简历深挖占用时间很高：多个样本是 40 分钟简历加 20 分钟做题，甚至 45 分钟只挖简历、最后 10 分钟才给题，候选人普遍反馈时间不够是主要失分点。

八股范围很宽：Java、Python、C++、前端与机器学习五个方向都有样本被问到，且 ML 条线常直接要求手写 self-attention 或 cross entropy 伪代码。

流程稳定性差：同学提供的面经样本里出现过面试链接失效、面试官未到场、二面被 ghost、通过后又被取消、以及候选人总结的『下一轮通知时间完全随机』。

给定一个只含数字的字符串，返回所有可能的合法 IP 地址（不允许前导零）；follow-up 改为划分成任意 k 段，说明如何在原有 DFS 上加入参并控制复杂度。

实现 LRU Cache，要求 get 与 put 都是 O(1)；follow-up 加上时间限制，并解释如果要在飞书这类不能提交代码的环境里自己写 test case，你会覆盖哪些边界。

用数组实现一个最小堆，要求给出父子下标关系（i 的子节点为 2i+1 与 2i+2）、push 的上浮与 pop 的下沉逻辑，并说明时间复杂度与常见边界条件。

不依赖第三方库手写实现 AUC-ROC、softmax 与逻辑回归的训练流程，并解释数值稳定性、样本不平衡与阈值选择带来的影响。

设计一个 500 人群聊的消息通知系统：最近 30 到 40 条消息要能快速加载，说明缓存层次、Redis 与 LRU 的分工、消息写入路径以及热点群聊的容量估算。

设计一个限时抢优惠券的服务，用户分布在不同国家，要求每个人抢到的概率相同；说明配额分配、跨区域时钟与限流、防刷策略以及如何验证公平性。

两套 OA，题量差很多

TikTok / ByteDance 的 OA 在同学提供的面经样本里以 CodeSignal 为主，也有候选人明确说是在 HackerRank 上做题。研究与大模型方向的首轮是 CodeSignal 70 分钟 10 题：第 1 到 7 题是多选，第 8 到 10 题是从零实现（ML from scratch），平台要求全程开摄像头与麦克风，开始前还要用证件做身份验证，候选人的原话是氛围挺紧张。多选题考的是混淆矩阵与分类指标（判断哪些模型满足召回率大于 90% 且假正率小于 10%）、集成学习的选择依据、决策树的不纯度指标、训练损失上升的原因、哪种正则化会把系数归零、以及手算一个三层小网络的前向传播。手写实现部分是 Bagging、K-Means 与局部最大值这类，明确不让 import 第三方包，很多要自己撸。SWE 条线的样本是 1 小时 10 分钟 4 题并要求分享屏幕，题目包括滑窗统计 triplet、每步最多走 10 的最短路径、round robin 装货与 sawtooth 构造。另有一份旧样本是 60 分钟 2 题，其中一题要求在纯 Java 里手写 REST 调用与 JSON 解析，候选人反馈引包不被支持。所以准备 OA 前要先确认自己收到的是哪一条线，两套题的能力要求几乎不重叠。

题不难，难在时间与沟通

Coding 轮时长多为 45 分钟到 1 小时，典型结构是前半段简历深挖、后半段做题。同学提供的面经样本里反复出现的题目包括岛屿数量（follow-up 常问如何识别相同形状的岛屿、如何用 BFS 且不改动原 grid）、LRU Cache、二叉树最大路径和、合并 K 个有序链表、含括号的基本计算器、最长回文子串（有面试官在标准解法之后继续要求 Manacher）、N 皇后、课程表拓扑排序、Edit Distance、最大子数组和、最长无重复字符子串与直方图最大矩形。题面本身多在中等难度，真正拉开差距的是三件事。第一是时间分配：有候选人的面试官把前 45 分钟全用来拷打简历，最后 10 分钟才给题，只能口述思路。第二是工程环境的限制：多个样本提到用飞书或 Lark 面试，需要自己 hardcode 输入、自己写 test case，代码不能提交，只能跑过样例，有候选人因为折腾输入格式浪费了大量时间，也有候选人抱怨这个 IDE 跑得慢到误以为自己写了死循环。第三是表达：同学提供的面经里明确的拒信理由是代码没有 bug free、没有 dry run、没有主动讲边界条件与复杂度，甚至有候选人题目写完了但仍被评价为没有把代码解释清楚。所以这一轮的准备重点是把每道题做成『思路、边界、复杂度、可运行』四件套，而不是再多刷一百题。

深挖四十分钟，八股很宽

这一家的技术轮里，简历深挖的权重明显高于多数北美公司。同学提供的面经样本里 30 到 45 分钟聊项目很常见，问题会细到数据 schema 为什么这样设计、技术选型的原因、遇到的瓶颈、优化方式、架构上的 trade-off，甚至会被问到对整个 infra 的了解以及组织层面为什么这样设计。有候选人反馈只要你在项目里提到某个工具或设计，面试官就会大量追问 scalability 与分布式设计，尤其是 Redis 与乐观锁这类点，风格偏国内八股。八股本身覆盖面也很宽，样本里出现过 Java 的多态、抽象类与接口的区别、HashMap 底层、final 关键字、异常处理、序列化、JVM 内存模型；Python 的深拷贝与浅拷贝、装饰器、__init__ 与 __new__ 的区别、生成器与迭代器、序列化、内存泄漏、线程与进程；C++ 的容器底层实现、什么情况会段错误、虚函数机制与构造函数能否为虚函数；前端的 HTML 语义化、事件冒泡、闭包、this 与原型链、useMemo、class 与 functional component 的取舍、SEO 与 React Native 的难点；ML 方向的 Transformer 结构、self-attention 与 FFN 的作用、attention score 按 key 维度缩放的原因、linear attention 损失了什么、group query attention、Flash Attention、KV Cache、RoPE、PPO 与 TRPO 与 GAE、K-means 与 GMM 的 EM、precision 与 recall 与 F1、决策树与 XGBoost、双塔模型。有候选人直言其他都答对了，就是因为八股没准备而被拒，这是最容易补也最不该丢的一分。

题目家常，时间常不够

系统设计轮的时长通常 1 小时，公开描述里有候选人被告知这一轮 primarily on system design，结果实际是简历 walk through 加 BQ 加系统设计加 coding 四件事挤在一起，整体强度很高。出现过的题目包括短链系统（写 class 并讨论存储与哈希冲突）、直播间违规处罚系统的设计、500 人群聊的消息通知系统（近 30 到 40 条要能快速加载，候选人提到 LRU Cache 但没提 Redis，被面试官直接点出）、限时抢优惠券的服务器（用户分布在不同国家，要保证每个人抢到的概率相同）、rate limiter、类 Stripe 的支付平台、以及 scheduler 节点与 worker 节点的任务调度（持续加任务与依赖、worker 轮询、完成后通知并自动触发依赖任务，要考虑海量任务、单个任务依赖极多、失败处理与网络问题）。ML 方向的系统设计更偏业务：recommender 的 cross attention 里 q、k、v 分别可以是什么；设计一个 query 生成系统来最大化 CTR；从大数据库里筛出有隐私泄露风险的数据并分类；为短视频打 caption 时如何在算力与显存约束下部署。也有 SRE 条线把四轮拆成 coding、network 与 linux、system design、HM，其中 network 轮几乎是纯概念问答，包括浏览器连不上后端怎么排查、DNS 问题怎么定位、磁盘满了怎么处理、IPv4 与 IPv6 的区别、CDN 与 libvirt 是什么。失分点很集中：简历讲太久导致系统设计只剩 30 分钟，或者临时被换成算法题，导致准备方向完全落空。建议把每个题型的骨架、容量估算与三个 trade-off 提前写成卡片。

TikTok / ByteDance 常见目标岗位

建议重点模拟这些轮次

TikTok / ByteDance 面试流程一般有几轮？

TikTok / ByteDance 的面试流程通常包括 OA / Phone Screen、VO / Onsite 多轮技术面、Behavioral 面和 Hiring Manager 面。具体轮次取决于岗位和 Level，建议提前了解目标岗位的标准流程并针对性准备。

TikTok / ByteDance 最常考什么题型？

根据同学提供的面经信号，TikTok / ByteDance 最常考的题型包括 Coding 高频：岛屿数量及其相同形状 follow-up、LRU Cache、二叉树最大路径和、合并 K 个有序链表、基本计算器、最长回文子串与 Manacher、N 皇后、课程表拓扑排序。、手写数据结构：数组实现的最小堆（含上浮与下沉）、LRU 与 LFU、支持 snapshot 与 restore 的内存 KV Store、orderbook 的 best bid 与 best ask 接口。、ML 八股与实现：Transformer 结构与 self-attention、attention score 的缩放、dropout 训练与推理差异、K-means 与 GMM 的 EM 步骤、precision 与 recall 与 F1、AUC-ROC 与 softmax 的手写实现。、系统设计：短链系统、直播间违规处罚、群聊消息通知、限时抢券的公平性、rate limiter、任务调度的依赖与失败处理。。建议先从高频题型入手，再做项目深挖和模拟面试。

TikTok / ByteDance 面试需要准备多久？

建议至少提前 7-14 天开始冲刺准备。如果还在投递期，可以先做题型地图和岗位定位，拿到面试邀约后集中做模拟面试和表达训练。

TikTok / ByteDance MLE 岗位最难的是什么？

TikTok / ByteDance 的面试以严格的 Hiring Bar 著称。最常见的失分点包括：前置澄清不充分、边界测试缺失、系统设计只背模板、项目深挖无法体现 ownership。针对性模拟可以有效降低这些风险。

TikTok / ByteDance 面经应该怎么看？

同学提供的面经适合用来判断 TikTok / ByteDance 高频题型、轮次和常见挂点，但不要只背原题。更稳的做法是把面经拆成 OA / Coding / Design / Behavioral / HM 五类信号，再按目标岗位和 level 做限时训练。

TikTok / ByteDance 代面、面试辅助、OA 代写多少钱？

TikTok / ByteDance 代面（对口型）$499/轮起，多轮连面有打包价；SWE 辅助（实时）$299/轮起；OA 代写 $199 起，提前 1 天交付。最终价格按岗位、轮次和具体面试情况浮动，添加微信 interview_coach_pro 先聊 30 分钟免费咨询再报具体价格。