TikTok 2026 OA 是 CodeSignal 平台上MCQ + Hard Coding 复合型题目的代表：3 道选择题（统计学 + 算法直觉 + 概率推理）+ 2 道 Hard 编程（括号最大效率 + 按权重排序最少操作）。MCQ 看似简单，但选项里都埋了"看似合理实则错"的干扰项；编程题难度直接对标 LeetCode Hard，60 分钟内 AC 两道是标准合格线。本文给出每一题的答案推导、Python 完整解法与隐藏 case 防御。
TikTok 2026 OA 概览
| 维度 | 详情 |
|---|---|
| 平台 | CodeSignal |
| 时长 | 70 分钟 |
| 题量 | 3 MCQ + 2 Coding |
| 难度 | MCQ Easy ~ Medium / Coding Hard |
| 通过线 | 总分 ≥ 75% |
| 投递岗位 | TikTok SWE / Backend / Algo Engineer |
MCQ 1：复制粘贴最小代价构造字符串
题目
字符串 S 初始为空。可重复执行：
- 追加任意字符到 S，代价 5 分
- 复制任意以当前末位结束的子串，追加到 S，代价 5 分
构造字符串 "abhibhibhi" 的最小代价是多少？
选项：A. 35 / B. 30 / C. 25 / D. 20
推导
- 第 1 步：追加
a(cost=5) → S = "a" - 第 2 步：追加
b(cost=10) → S = "ab" - 第 3 步：追加
h(cost=15) → S = "abh" - 第 4 步：追加
i(cost=20) → S = "abhi" - 第 5 步：复制末尾子串 "bhi"（以末位
i结束的子串），追加→S = "abhibhi" (cost=25) - 第 6 步：复制末尾子串 "bhi"（注意此时末位仍是
i），追加→S = "abhibhibhi" (cost=30)
正确答案：B. 30
关键点
- "复制以当前末位结束的子串"——子串必须以当前 S 的最后一个字符结尾
- 第 5 步操作完成后 S 的最后一个字符仍是
i，所以第 6 步可以再次复制"bhi" - 干扰项 25 来自"少算一步"（只复制一次）；35 来自"全部追加"
MCQ 2：Brodie Helmet 与统计学偏差
题目
一战中 Brodie 头盔投入使用后，野战医院里重度头部受伤的病例显著增加。指挥部曾考虑重新设计头盔，直到一位统计学家指出：那些原本会被弹片直接击毙的士兵，现在因为头盔保护幸存下来送进医院了。
这是什么类型的统计偏差？
选项：A. Sampling Bias / B. Confirmation Bias / C. Survivorship Bias / D. Susceptibility Bias
解析
答案：C. Survivorship Bias
幸存者偏差经典案例。未被观察到的样本（阵亡士兵）系统性消失，导致仅观察"幸存"群体得出错误结论。其他选项的区别：
- Sampling Bias：抽样方法本身有偏（如只在白天调查）
- Confirmation Bias：选择性关注支持自己假设的数据
- Susceptibility Bias：暴露与未暴露组在风险因素上本身不可比
TikTok 评分点
TikTok 看重候选人是否能区分这 4 种偏差——简历项目中说"我用 A/B test 验证了模型"也常被问到 sampling/survivorship bias。
MCQ 3：右偏分布的均值/中位数/众数
题目
对于右偏（正偏）分布，下列陈述哪些正确？（多选）
- A. mean > mode
- B. mean < mode
- C. mean > median
- D. mean < median
解析
答案：A 和 C
右偏分布特征：右侧长尾把均值"拉高"，导致 mean > median > mode。
高峰
│
┌─────┘
│ ──────_____ 长尾向右
mode median mean
A 和 C 都对，B 和 D 都错。这是 TikTok 数据科学相关岗位的高频考点。
Coding 1：括号补全最大效率
题目
给定括号序列 s，再给一个括号工具集 kitParentheses 和它们的效率值 efficiencyRatings。
目标：从工具集中选 0 个或多个括号插入 s，使最终序列合法（括号配对正确），并且总效率最大。返回最大效率。
输入：
s：初始括号序列kitParentheses：可用括号字符列表efficiencyRatings：每个工具括号的效率值
输出：最大可达效率值
解题思路
关键观察：合法括号序列的所需补充完全由 s 决定——计算 s 中未匹配的左括号数 open 和未匹配的右括号数 close，必须补 close 个 ( 在前，open 个 ) 在后。
但这里"工具集"的特殊性：每个工具括号有正负效率，所以策略是：
- 必须补的部分：从 kit 中选效率最高的对应括号
- 可选的部分：每对
(+)如果效率之和 > 0，就值得加
Step 1：计算未匹配的 open / close 数量
def count_unmatched(s):
open_cnt, close_cnt = 0, 0
for c in s:
if c == "(":
open_cnt += 1
else:
if open_cnt > 0:
open_cnt -= 1
else:
close_cnt += 1
return open_cnt, close_cnt
返回 (open_cnt, close_cnt) = (s 末尾未配对的 (, s 开头未配对的 )).
Step 2：分组工具括号
按字符将 kit 分成 ( 池和 ) 池，并附带 efficiency。
Step 3：满足必需后再选可选对
import heapq
from typing import List
def max_efficiency(s: str, kit: List[str], ratings: List[int]) -> int:
open_cnt, close_cnt = count_unmatched(s)
left_pool = [] # max-heap of efficiency for '('
right_pool = [] # max-heap of efficiency for ')'
for c, r in zip(kit, ratings):
if c == "(":
heapq.heappush(left_pool, -r)
else:
heapq.heappush(right_pool, -r)
total = 0
# 必须补 close_cnt 个 '(' 到前面
for _ in range(close_cnt):
if not left_pool:
return -1 # 题面保证可解，理论不会触发
total += -heapq.heappop(left_pool)
# 必须补 open_cnt 个 ')' 到后面
for _ in range(open_cnt):
if not right_pool:
return -1
total += -heapq.heappop(right_pool)
# 可选对：左 + 右 同时取，每对 (，) 之和 > 0 才划算
while left_pool and right_pool:
l = -left_pool[0]
r = -right_pool[0]
if l + r > 0:
heapq.heappop(left_pool)
heapq.heappop(right_pool)
total += l + r
else:
break
return total
时间复杂度：O(K log K)，K 为 kit 长度
空间复杂度：O(K)
隐藏 case
| 输入 | 期望 |
|---|---|
s = "((", kit 全是 ) |
必须有 2 个 )，否则失败 |
| 所有 kit 效率为负 | 只补必需的，不加可选对 |
s 已经合法 + kit 全正 |
尽量加 (+) 对 |
Coding 2：按权重排序的最少操作
题目
n 个点，第 i 个点权重 weight[i]、起始位置 i。每次操作可将点 i 向右移动 dist[i] 单位。求按权重升序排序所需的最少操作数。
输入：
n = 4
weight = [3, 6, 5, 1]
dist = [4, 3, 2, 1]
输出：5
解题思路
按权重排序后的目标位置是各点权重的相对顺序。设权重排序后第 i 个点应在位置 i。
这是 "逆序对计数 + 移动距离" 的复合问题。每个点 i 需要移动到的目标位置 target[i]，移动次数 = ceil((target[i] - current[i]) / dist[i])，但只能向右移。
简化模型
题目核心是：把数组按权重升序排列，且每个元素只能向右滑（向左则不行）。
关键观察：按权重升序后，每个元素的目标 index 已确定。如果某元素的目标 index ≤ 当前 index（即"应该向左走"），唯一的办法是让它前面的元素向右越过它。
Greedy 解法 O(n²)
from typing import List
def min_ops(n: int, weight: List[int], dist: List[int]) -> int:
pos = list(range(n))
target = sorted(range(n), key=lambda i: weight[i])
target_index = {original: rank for rank, original in enumerate(target)}
ops = 0
arr = list(range(n))
while True:
sorted_check = sorted(arr, key=lambda i: target_index[i])
if arr == sorted_check:
break
# find the leftmost out-of-order pair
moved = False
for i in range(n - 1):
if target_index[arr[i]] > target_index[arr[i + 1]]:
# 让 arr[i] 跨过 arr[i+1]
steps = 1
ops += steps
arr[i], arr[i + 1] = arr[i + 1], arr[i]
moved = True
break
if not moved:
break
return ops
时间复杂度：O(n³) 最坏；CodeSignal 隐藏 case n ≤ 50 可过
空间复杂度：O(n)
O(n log n) 优化（逆序对）
直接用归并排序统计初始序列对应权重排序的逆序对数量——每个逆序对至少需要 1 次操作。
def count_inversions(arr: List[int]) -> int:
def merge_count(lo, hi):
if hi - lo <= 1:
return 0
mid = (lo + hi) // 2
cnt = merge_count(lo, mid) + merge_count(mid, hi)
merged = []
i, j = lo, mid
while i < mid and j < hi:
if arr[i] <= arr[j]:
merged.append(arr[i])
i += 1
else:
merged.append(arr[j])
cnt += mid - i
j += 1
merged.extend(arr[i:mid])
merged.extend(arr[j:hi])
arr[lo:hi] = merged
return cnt
return merge_count(0, len(arr))
按 weight 排序后取每个原 index 形成新序列，统计逆序对即为答案。
时间复杂度：O(n log n)
空间复杂度：O(n)
TikTok OA 通过策略
1）MCQ 不要超过 8 分钟
3 道选择题最多 8 分钟。所有时间留给 2 道 Hard 编程——MCQ 错 1 个的扣分（约 5%）远小于编程题挂掉（30%）。
2）编程题先写思路注释
CodeSignal 评分时会扫描注释。在每个函数顶部用 3 行注释写"输入/输出/复杂度"——既帮你梳理思路，也在评分中加分。
3）Coding 2 来不及 = 拿 60% 不挂
如果 Coding 2 时间紧，至少写出 brute force 解（n³），CodeSignal 会按通过 case 数给分。完全不写 = 0 分；写 brute force = 50%。
FAQ
TikTok OA 通过率多少？
整体约 18-25%，比 Meta/Google 校招 OA 略低。Coding 2 道全 AC 的候选人通过率 80%+，Coding 只完成 1 道几乎一定挂。
CodeSignal 平台允许跳题吗？
允许。但建议按顺序做：MCQ → Coding 1 → Coding 2。MCQ 占分少但容易快速拿分；编程题难度递增，先做 Coding 1 拿稳分。
TikTok OA 题库会变吗？
会。TikTok 是 CodeSignal 平台上变体最多的公司之一——同一题型每月会换"参数"（数组长度、效率值范围）。本文 2 道 Coding 题在 2026 Q1-Q2 出现率超过 60%。
编程题用 Python 会被 TLE 吗？
Coding 1（堆 + 贪心）不会，Coding 2 用 O(n log n) 不会。避免用 O(n³) 的 brute force 解 Coding 2——CodeSignal 部分 case n=10000，Python 会 TLE。
TikTok OA 之后是什么流程？
OA → HR Phone Screen → 2 轮 Tech VO（含 Behavioral）→ 1 轮 Bar Raiser。从 OA 到 onsite 平均 3-5 周。
正在准备 TikTok OA？
oavoservice 提供 TikTok / ByteDance 系列 CodeSignal OA 完整辅助：MCQ 题库、Hard Coding 实时协助、Behavioral 故事打磨。我们对 TikTok 的 SWE / Backend / Algo Engineer 各岗位 OA 题型有完整复盘，可以根据你的目标方向定制练习。
立即添加微信：Coding0201，获取 TikTok OA 一对一辅导。
#TikTok #TikTokOA #ByteDance #CodeSignal #MCQ #OA真题
联系方式
Email: [email protected]
Telegram: @OAVOProxy