大家好，大家好我是@程序员花海，最近两周密集面试了不少Agent方向的候选人，从应届生到有三年、五年经验的同学都有，面下来最大的感受是——简历看着都差不多，一问项目就露馅。说几个反复出现的名场面，可能你也在经历：场景一：简历千篇一律十个候选人，八个项目写的都是基于LangChain搭建智能问答系统这种风格。问技术选型为什么用LangChain而不是直接用官方API，答不上来。问系统如果上线要承载1000人同时用，哪里会先崩，基本没想过。场景二：项目经不起推敲简历上写着实现了RAG检索增强生成，一问细节，比如文档怎么解析的？切片窗口多大、重叠多少？向量库用的什么索引策略？检索召回率怎么评估的？多...

拼多多测试一面，

你在leetcode上练的都是死代码能力🤣

1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...