背景现在ai发展越来越快随着Claude opus 4.6、GPT5.4、Gemini3.1 Pro、GLM5等模型越来越好用，同时Open Claw、Skill、MCP出现➕最近很多很多大厂也出现裁员/岗位合并等文章，使得很多同学陷入了AI焦虑，很多同学目前不知道自己要学啥（当前课程太杂太乱没有体系），反正要赶上风口怕被淘汰，同时也回答下大环境问题，很多同学都是在AI时代下都淘汰了，本质不是这样的，工作模式变了，开发效率/产出效率越来越快了，而且AI影响的是所有行业不光是程序员，例如音乐创作者现在被SUNO V5替代，短视频创作可以用Seedance2.0。这里给大模型排名，对于大家日后使用...

中途考研没有考上，现在来找工作，有开发和产品的实习，这两个方向都想找，不知道这俩方向用一个简历对不对，也不知道简历哪里还有问题，投了大概一周现在只有很小的厂回复，要么就是外包，不知道还能不能找到一个合适的工作了，想问一下大佬们的意见

刚刚丢了简历过去tx提前批，燃尽了😓感觉这年头保研考研考公都难。今晚海投看看能不能刷点经验，八股一点没看。冲冲冲。

1、LoRA 微调的原理LoRA 的核心思想是不直接更新预训练模型里的原始大权重，而是在某些线性层旁边增加一个低秩更新分支，用低秩矩阵去近似权重增量。假设原始权重是 W∈Rd×k，全量微调时直接学习ΔW，LoRA 则把它写成：ΔW=BA其中A∈Rr×k，B∈Rd×r ,，(r) 是远小于 (d) 和 (k) 的秩。这样前向计算就变成：h=Wx+ΔWx=Wx+BAx实际里通常还会加缩放项：这样做的本质是认为很多下游任务对大模型权重的更新其实存在低秩结构，不需要真的去学习一个完整的大矩阵。LoRA 的优点是可训练参数少、显存占用低、训练快，而且原模型参数冻结，方便多任务切换和权重管理。2、LoRA...