今年Tiktok 的 MLE 题目范围和去年差不多也没太大改变，下面把我自己的真实面筋过程跟大家唠唠，希望能给到正在准备的同学一点方向，分享下26 ng 的 Tiktok MLE面试 心得。
Tiktok MLE面试 时间线
岗位：MLE NG (2026 General Hire)
8月初申请 -> 几天后HR reachout并约了
8月20号左右的HR call
9月10号第一轮面试：问了简历上的projects和很简单的算法问题，感觉不是LC题。两天后通知了结果并约了第二轮面试
9月23号第二轮面试：依然简历上的projects + LC binary tree DFS。两天后约了第三轮面试
10月9号第三轮面试：简单自我介绍 + LC没见过但感觉Hard
10月13号HR通知结果，约了HR call。
一周后verbal offer，然后两天后正式offer 整体体验：面试官和HR人都超好，面试流程十分流畅。历经三个月近500道LC后终于尘埃落定！
TikTok MLE面试 :一面
面试流程大概如下： 先是双方自我介绍，接着主要拷打简历，重点问了我之前在国内做的大模型算法项目，这一部分聊得还算顺。 然后是一些偏基础的八股问题，比如 Transformer、位置编码之类，整体难度不高。 接下来问到了多模态 这个阶段其实有点被动：我只有初步了解，而 JD 写的是 CV / NLP / 多模态之一即可，所以当时没有针对多模态做太深入准备，这一段明显聊得不算理想。
Coding 环节有点出乎意料。 没考 LeetCode，而是 ML Coding。 一开始让我写多模态 CLIP 的 loss function，后面面试官把题目换成了更基础的 softmax + cross entropy，两行代码就结束了。
反问环节：聊了一些电商业务和具体的工作内容。 最后我试探性地问了一句： 「如果我之后能来，需要提前补充哪些技能？」 他的回答是： NLP 方向和我之前做的比较接近，多模态可能还需要再学一学。 结束 的时候他说了一句 ”impressive interview experience”
TikTok MLE面试 : 二面
这轮主要有两个部分: 一道coding + 一个看论文讲八股
不得不说，强度很大，需要很强的知识储备。
Coding
leetcode 33 很经典的题目了: 判断哪一部分是有序的，然后二分找 target 就可以了，时间复杂度: O(logn)。
技术问题
从一个论文中截取了其模型的参数以及训练参数:
Transformer 模型: 32 layers、32 heads (64 dimension)、used rotary embedding with dim 32、context length 2048、used flash-attention to speed up
Training details: random init、fixed learning rate、weight decay 0.1、optimizer: Adam、momentum 0.9, 0.98、epsilon 1e-7、use fp16 with DeepSpeed ZeRO Stage2、Batch size 2048、train for 150b tokens
提问
- head 是用来干什么的? multi-head 是什么, 写一下相关的公式. 还有什么别的 attention method?
- rotaty embedding 是什么? 还有别的什么 embedding 方法? rotaty embedding 属于你提到的哪个? 为什么用 rotaty embedding, 好处是什么?
- 如何处理 long distance context?
- Flash-Attention 是什么?
- 为什么用 Adam, 提到的三个参数都是什么意思?
- 为什么用 fixed lr 而不用 warm-up?
- weighted decay 是什么?
- fp16 是什么, 还有别的什么精度数吗?
- DeepSpeed ZeRO Stage 2 是什么
TikTok MLE面试 : HM三面
开始自我介绍5分钟，之后问了三个BQ，比较经典的BQ题目，问你有没有做过超出要求的事？就说你主动优化用户体验的例子，比如我给项目加了个需求里没有的图片裁剪功能，或者主动做了性能优化，让面试官看到你的产品思维。 问你欣赏TT哪个功能，怎么改进？这题是展示你思考深度的时候。挑个具体功能比如Stitch，从用户、社区、商业角度分析一波，再提几个靠谱的改进建议，比如支持多片段拼接。证明你真是深度用户。 最后问Why TikTok？别只说喜欢刷视频。要把你对产品的热爱、对技术挑战的渴望和对公司文化的认同结合起来，讲一个完整的故事。
全是简单的bq，没有八股文，也没有sd，考了一道很偏的编程题：要求写二叉树中序遍历，但要用迭代器（iterator）实现，而且二叉树每个节点包含一个字符串，迭代器需要按照中序遍历的顺序，每次调用next方法返回一个字符。我竭尽全力去做，面试官却不太想让我埋头思考，花了十几分钟一边沟通一边想思路，最后写完主逻辑和迭代器的一部分，面试就结束了，但好在得到了面试官的positive feedback。
这回全过了，剩下的时间和面试官1讨论优化，也比较顺利地通过了。接着就是Q&A，面试官1很耐心地讲了讲组里做的具体业务和tech stack。
面试体验
优点：
- 反馈极快！基本第二天就有结果，不拖泥带水。
- tiktok 给钱很大方，NG总包可以给到 $200k 以上（虽然网友表示股票 vest 政策很不友好）。
后话：Tiktok 在美国科技圈的名声并不好。但是考虑到中国和美国已经是世界唯二的人工智能中心，而 ByteDance 作为国内第一档的互联网公司，我认为有很多锻炼、学习的机会，这也是我明知他们很卷也决定去面试的原因，希望能 tiktok 能加强面试官的培训，重视面试者的体验。
Tiktok 从OA到offer整个流程还是很长的，不过在Interview Aid 团队的面试辅助、辅导等支持下，顺利拿到了tiktok mle 的offer，如果你也需要辅助服务，请与Interview Aid团队联系。