28号北京腾讯二面的同学，有收到hr面的通知么？

记录一次非常糟糕的面试体验上来还说什么部门现在很缺人，回头想想真是非常的逆天。提前开始 + 早退 + 中途打电话 + 网络信号不好整体面试：不断对我做项目的动机进行打压，说我写项目的动机逻辑有问题。给他解释他说项目不是我自己做的（？？？？）问的问题非常的不专业。甚至问一些什么具体怎么抓包的？我想给他展示，他还不乐意看，完全不明所以。反问的时候问到实习生的主要工作内容，回答的全是一些空话（什么给部门赋能乱起八糟的，一点具体的都没有）。如果不想招人，请不要浪费大家的时间，谢谢！！！！

唉没招了，大厂全是这种吗，双飞真没机会呀！！！

四次面试终成鹅孝子 😭 

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...